StartLux（原点星辉）发布开源决策模型 StartLux-Decision，一次性推出 0.8B、2B、4B、9B、27B 五档版本，并称研发与验证仅用 3 天完成。官方测试显示，27B 版本在 Decision Index 0.2.1 得分 63.88，38 项基准中 31 项高于 Jev 1.13；在七项评测中平均准确率 91.82%。该模型面向选择题、是非题和等级评分等决策任务，支持本地部署，并强调一次请求完成多个判断。
SynthePulse Insight · AI 深度解读会员精读
版本 1 · 1 个来源
StartLux（原点星辉）一次性发布0.8B至27B五档开源决策模型，宣称3天完成研发，并在多项自测中高于Jev 1.13。但所有成绩均为团队自测、非官方上榜，且部分对照的硬件与服务栈并不相同——真正值得读的，是这些数字各自成立的条件。
StartLux（原点星辉）发布了开源决策模型StartLux-Decision，一次性推出0.8B、2B、4B、9B、27B五档版本，覆盖从本地轻量部署到旗舰规格的完整区间。这是本次发布中少数可以直接确认的事实：模型已发布，规格档位明确。
更具传播力的是研发节奏。团队称将自建的Auto Research方法用于决策模型研发，用3天时间完成了StartLux-Decision的研发与验证。这一说法来自StartLux自述，属于source_claim，缺乏第三方独立核实。它描述的是团队自己的研发流程，而非可被外部复现的评测结果，因此不宜与后面的成绩数字混为一谈。
把这两件事分开看，是理解整场发布的前提：规格与许可是可核验的发布事实，研发周期与性能表现则主要来自团队自述。
在Decision Index 0.2.1评测中，27B版本得分63.88，高于Jev 1.13的57.91，在指数包含的38项基准中有31项得分更高。同一快照下，9B版本以58.63分也超过了Jev 1.13。这些数字来自团队使用榜单评测工具运行的自测，并非官方上榜结果，Decision Index对照采用的是2026年9月28日公开榜单快照。
需要理解Decision Index本身的性质：它是经随机基线校正、加权汇总的指数，不是直接准确率，也不是完整的Agent成功率。因此63.88与57.91之间的差距，衡量的是该指数体系下的综合表现，不能直接换算为任务成功率上的同等差距。
分领域结果进一步说明领先并不均匀。旗舰版本在语言理解（74.5对62.0）、检索与分类（66.8对55.4）、工具与自动化（82.2对75.1）三个领域高于Jev 1.13，但在知识与推理领域为44.3，低于Jev的51.4。也就是说，综合得分领先不等于所有能力都更强，开发者仍需回到自己最常遇到的判断类型上做选择。
还有一项约束影响这些分数的解读：训练数据使用了Decision Index中14项基准的公开训练集，对应测试题已过滤。这降低了直接记忆测试题的风险，但也意味着这些基准对该模型而言并非完全陌生的评测环境。
本文所有性能数字均来自StartLux团队自测，使用榜单评测工具运行，不表示已获官方上榜认证；Decision Index对照采用2026年9月28日公开榜单快照。Decision Index是经随机基线校正、加权汇总的指数，不是直接准确率或完整Agent成功率。训练数据使用了其中14项基准的公开训练集，对应测试题已过滤，ToolACE项取自公开训练集。时延数据为单卡H200、BF16、本地HTTP短请求条件下的结果，不是整项网页任务的完成时间；与Jev 1.13的对照因硬件与服务栈不同，不能得出严格的同硬件倍速结论。Jev 1.13参数规模未公开，27B与其比较不属于已知的同尺寸比较。3天完成研发与验证的说法来自StartLux自述，缺乏第三方独立核实。
主报道
主报道来源