StartLux-Decision重磅升级：全面超越Jev，确立决策模型新王地位

近日，StartLux推出了全新的StartLux-Decision版本，距离上一版发布仅过去10天。在备受关注的DevDay之后，继OpenAI仓促推出Decisions API、微软发布Microsoft-Decision-1，以及此前StartLux横空出世超越Jev后，这次升级再次展现了其断层领先的实力，稳居决策模型SOTA（State of the Art）宝座。

此次全面升级涵盖了底层架构、训练方法及评测体系。其中核心的技术创新在于StartLux原创的RLCD²（Reinforcement Learning for Calibrated Deliberative Decisions），该机制让推理真正用在刀刃上，显著提升了决策模型在处理复杂逻辑与精密数字时的表现。

在权威的Decision Index (DI) 0.3公开测试集中，StartLux-Decision实现了全尺寸碾压。其Instant双模型矩阵（提供0.8B至27B五种规格）与同规模第三方模型相比，得分领先幅度达7.4至16.9分。特别是4B Instant模型拿下67.88分，不仅击败了友商的27B模型，还将Cloudflare Clef（61.71分）和Perplexity Decider（62.25分）远远甩在身后。

AutoThink自适应推理版（提供4B、9B、27B三种规格）则在深思熟虑与极速响应间取得平衡。其中27B AutoThink模型斩获73.37分的超高分，将曾经的王者Jev（hosted版57.96分）彻底超越。这种跨代碾压展现了大模型迭代史上的罕见优势。

针对业务场景中算力成本、延迟与准确率之间的不可能三角，StartLux推出了不妥协的双分支策略。Instant模型通过引入双向注意力机制，在不生成新Token的情况下融合信息，实现了极速响应；而AutoThink模型则通过置信度引导的自适应推理，智能判断题目难度，简单问题秒答，复杂问题自动开启深度推理模式。

RLCD²技术通过冻结模型比较思考前后的决策概率质量，并利用软长度惩罚控制推理成本。实验数据显示，9B AutoThink模型的推理正常终止率从45.9%提升至93.9%，平均推理长度减少了约65%，同时成对准确率从53.3%提升至59.9%。

除文本决策能力外，StartLux-Decision还展示了全新的多模态演示能力。模型在连续动态视觉场景下，针对每秒抽取的一帧素材进行分析，能够识别火箭发射过程中的尾焰、烟雾、发射塔等细节，并实时回答多个决策问题，证明了其在复杂场景下的按需思考能力。