StartLux 27B决策模型登顶榜单并支持按需推理

中国团队 StartLux 推出的 27B Instant 决策模型，在 10 月 16 日更新的 Decision Index 0.3.2 中以 69.12 分位列 174 个参评条目第一，公开基准、同类能力私有测试和新领域私有测试均排名第一。

在团队公布的 Decision Index 0.3 评测中，27B AutoThink 得分 73.37，较 Jev 托管版的 57.96 分高约 27%。27B Instant 在公开子集得分 72.83，仅比 AutoThink 低 0.54 分；0.8B 至 27B 的五种规模也都超过同规模最佳第三方模型，优势约 7.4 至 16.9 分。

StartLux 的决策模型不生成普通问答文本，而是根据状态、问题和候选选项输出概率，供 Agent 进行路由、工具调用和权限判断。Instant 通过一次前向计算完成判断，覆盖 0.8B、2B、4B、9B、27B；单张 H200、vLLM 单并发测试下，中位延迟约 25 至 52 毫秒。AutoThink 覆盖 4B、9B、27B，先给出初始概率，最高概率未达到阈值时才追加推理，并按默认 75%与 25%的比例融合两次结果。

在 DecisionPivot 条件变化测试中，27B Instant 的成对准确率为 75.4%，AutoThink 达 86.9%，高出 11.5 个百分点；Jev 托管版为 31.0%。阈值设为 0.9时，AutoThink 的 DI 0.3 得分为 73.22、成对准确率 88.1%；降至 0.6后分别变为 72.85 和 68.4%。7800 个样本中，39%直接作答且准确率 96%，其余进入推理后准确率由 57%升至 93%，纠正 1783 个错误并新增 94 个错误。团队还展示了下棋、星际争霸Ⅱ、火箭发射识别和洪灾救援等动态决策场景。

为控制推理成本，团队提出 RLCD²，利用冻结模型比较推理前后的概率变化，并惩罚超过软长度预算的生成。训练包含百万级基础样本、约 4000 至 21000 条推理监督样本。2986 个留出样本测试显示，9B 模型正常结束推理的比例由 45.9%升至 93.9%，平均长度从 2494 个 Token 降至 868 个，准确率基本持平于 80.48%；27B 成对准确率由 87.2%略降至 86.9%，9B 则由 53.3%升至 59%。