近日，专注本地智能解决方案的上海人工智能企业 StartLux（原点星辉）发布专用决策模型 StartLux-Decision，并开放代码与模型权重。在 StartLux 公布的测评数据显示，在独立的 DecisionIndex 0.2.1 评测中，StartLux-Decision-27B 得分 63.88，高于 Jev 1.13 的 57.91；在 38 项基准中，有 31 项得分更高。

另一组参照，来自上海人工智能实验室发布 Intern-Decision 时采用的七项评测组合。在该组合中，StartLux-Decision 的 27B 版本平均准确率为 91.82%，高于 Jev 的 88.74% 和 Intern-Decision-4B 的 90.02%。

性能方面，在单张 H200、BF16 精度和短请求条件下，4B 版本一次回答三个问题平均耗时 26 毫秒，0.8B 与 2B 版本分别为 12.2 毫秒和 15.5 毫秒。测试通过本地 HTTP 进行，并启用快速计算内核与 CUDA Graphs，测量的是请求响应时间。

据团队介绍，决策模型瞄准的是智能体执行任务时大量重复出现的判断：下一步点哪个按钮、调用哪个工具、当前任务是否完成。这些问题的候选项往往已经明确，但每一步等待仍会累积，影响整体执行效率。

StartLux-Decision 接收当前状态和候选项，支持选择题、是非题与等级评分。对于常规请求，它可以通过一次前向计算返回多个问题的判断及选项概率，无需逐字生成回答文本。

例如，同一条客服工单可以同时对应三个问题：应交给哪个团队、是否需要当天处理、影响程度如何。执行程序拿到结构化结果后，可以继续分流或操作；需要撰写回复、展开复杂规划时，则由通用模型接手。

完成 StartLux-Decision 的研发与验证全程仅用 3 天。让这套模型跑起来的，是 StartLux 正在建设的 RSI（递归式自我改进）体系中的 Auto Research 环节。据团队介绍，它让 AI 参与 " 假设—实验—验证—新假设 " 的循环：分析上一轮失败、构造数据、执行训练与评测，再提出下一轮值得尝试的改进。在这一循环中，研究目标、评价标准和关键取舍仍由人类研究员把关。AI 承担更多实验执行和分析工作，研究员则依据实际结果判断改动是否有效。

在此基础上，StartLux 希望进一步提升 AI 提出假设、设计实验和验证改进的能力，使 " 改进 AI" 的能力本身也持续提高。此次 StartLux-Decision 的研发，是这套体系中 Auto Research 环节的又一次具体实践。

目前，StartLux 已公开该决策模型的权重、相关代码和评测结果。Auto Research 则仍作为公司内部的研发环节运行，此次对外发布的是这一流程产出的模型成果。

现有测试主要反映模型在公开基准和受控环境中的表现。它在更复杂任务中能否持续作出可靠判断，以及自动研究方法能否在更多项目中稳定带来效率提升，仍需通过后续实验和实际应用检验。

按照 StartLux 的技术路线，决策模型将与通用模型、智能体及运行时等模块协同，服务完整的本地智能解决方案。此次发布既为开发者提供了可使用的决策组件，也展示了 AI 参与模型研发的实践。