一、案例背景
2026年10月16日，全球开发者社区中一个并不起眼的榜单更新引发了AI业界的广泛关注。在Hugging Face Decision Index 0.3.2榜单中，中国创业团队StartLux的27B Instant模型以69.12分位列174个参评条目第一。公开基准测试72.88分、同类能力私有测试64.82分、新领域私有测试61.41分——三个部分的成绩均排名第一。而在团队此前公布的Decision Index 0.3公开评测中，StartLux-Decision-27B-AutoThink取得73.37分，相比此前风头正劲的Jev托管版57.96分，相对领先约27%。
要理解这一成绩的意义，需要先了解决策模型这一新兴品类。与通常生成一段文字回答问题的大语言模型不同，决策模型接收当前状态和候选选项，直接给出各个选项的概率，供Agent或其他程序决定下一步行动。Jev此前的走红，让这类专门为AI系统提供判断结果的模型进入开发者视野。当AI系统开始频繁调用模型进行任务路由、权限判断和工具选择时，决策模型给出的概率究竟有多可靠，成为一个关键问题。StartLux正是在这一背景下登顶榜单，成为该赛道引人注目的中国挑战者。
StartLux此次发布的核心亮点不仅在于分数领先，更在于其产品架构中蕴含的一种独特设计哲学。团队提供了Instant与AutoThink两条路线：前者通过单次计算快速输出概率，覆盖0.8B、2B、4B、9B、27B五种规模；后者则根据初始判断的置信度，决定是否启动额外推理。这种“拿不准再想”的机制，将推理资源的分配权交给模型自身的置信度判断，而非依赖外部规则或固定流程。围绕何时启动推理、如何及时结束推理，团队还提出了RLCD²强化学习方法，目标是改善决策概率的质量，同时约束不必要的推理开销。
从竞争格局来看，StartLux的优势并非仅靠推理能力堆叠。同为27B规模的Instant版本，无需生成显式推理过程，就在DI 0.3公开子集取得72.83分，与AutoThink仅相差0.54分。在0.8B至27B五个规模上，StartLux Instant均超过了参评的同规模最强第三方决策模型，分数优势约为7.4至16.9分。2B Instant取得59.14分，甚至略高于Jev托管版的57.96分。这种“小模型也能打”的全规模覆盖能力，显示出团队在模型架构层面的系统性思考，而非单点突破。
……