Modelo StartLux-Decision v1.1 lidera o ranking Decision Index 0.3.2 entre modelos abertos

A StartLux lançou a família de modelos de tomada de decisão abertos StartLux-Decision v1.1. O modelo 27B Instant da StartLux agora ocupa o primeiro lugar no ranking Decision Index 0.3.2 na plataforma Hugging Face. A StartLux é uma empresa em incubação na Genora.

O Decision Index é um ranking mantido pela comunidade e não está associado à TypeSafe. Em 16 de outubro, o modelo 27B Instant alcançou a primeira posição, com uma pontuação completa de 69.12. Ele também liderou em cada um dos três componentes do ranking: 72.88 em benchmarks públicos, 64.82 em testes privados com as mesmas habilidades e 61.41 em tarefas privadas de novas áreas.

O segundo lugar foi ocupado pelo modelo vLLM-SR d3 com uma pontuação de 66.26, e o Jev 1.14 obteve um resultado de 61.53.

Estes modelos foram desenvolvidos para executar uma tarefa prática específica. Recebendo um estado que pode ser representado por texto, JSON ou imagens, bem como um conjunto de perguntas definidas com tipos especificados, o modelo fornece a probabilidade para cada opção: escolha de uma lista, julgamento de 'sim' ou 'não' ou nível em uma escala. Os modelos Instant respondem com uma única passagem, usando atenção bidirecional sobre a consulta.

Os modelos AutoThink funcionam de forma semelhante quando estão confiantes na resposta; no entanto, se a probabilidade mais alta cair abaixo do limiar definido, que é 0.6 por padrão, eles geram um breve rastro de raciocínio e, em seguida, reanalisam a resposta.

A linha inclui oito modelos abertos com parâmetros de 0.8B a 27B nas variantes Instant e AutoThink, disponíveis em formatos quantizados GGUF e MLX. Eles podem operar em vLLM e MLX. Os pesos desses modelos foram lançados sob a licença CC BY-NC 4.0, que proíbe o uso comercial.

No subconjunto público do Decision Index 0.3, a StartLux relata um resultado autogerado de 73.37 para o modelo 27B AutoThink com um limite de 0.9. Além disso, a empresa apresentou o DecisionPivot — um benchmark proprietário de soluções verificáveis, criado com base em pares de contrastes que diferem em um único detalhe que altera a resposta, abrangendo políticas, registros, gráficos, permissões e chamadas de ferramentas. A StartLux afirma um nível de precisão de pares de 86.9% para o modelo 27B AutoThink. Vale ressaltar que ambos esses indicadores são dados fornecidos pela própria empresa, e não resultados independentes.

Um relatório técnico, publicado no arXiv sob o número 2610.17309, descreve um processo de treinamento de três etapas e um método de aprendizado por reforço chamado RLCD-squared. Este método recompensa probabilidades de tomada de decisão mais precisamente calibradas usando regras de pontuação correta e penaliza suavemente raciocínios excessivamente longos. Os autores afirmam que isso permitiu reduzir o comprimento médio do raciocínio em cerca de 65%, mantendo uma alta precisão.

As demonstrações no site do projeto mostram como os modelos executam chamadas passo a passo em xadrez, Super Mario Bros., StarCraft II e em uma tarefa de compra usando computador, sendo que em cada etapa é fornecida uma solicitação de texto.

Histórias semelhantes

Modelo interno da OpenAI forneceu 372 novas soluções em matemática

A OpenAI publicou no GitHub setecentos e vinte e dois documentos matemáticos desenvolvidos pelo modelo interno de inteligência artificial. Estes manuscritos estão agrupados em trezentos e setenta e dois conjuntos de resultados e abrangem dezessete diferentes áreas da matemática.

Algumas das provas apresentadas foram formalizadas usando a linguagem Lean. Entre as conquistas do modelo está a obtenção de uma nova prova para o problema de Hadwiger-Nelson, que é um problema conhecido na área de geometria combinatória.

O modelo demonstrou que não é possível colorir um plano com cinco cores de tal forma que quaisquer dois pontos separados por exatamente uma unidade de distância tenham cores diferentes. Consequentemente, o número cromático do plano pode ser seis ou sete. Esta prova também foi formalizada no sistema Lean.

Laboratório de IA de Xangai lança Intern-Decision: modelos compactos que fornecem decisões em vez de texto

O Shanghai Artificial Intelligence Laboratory (Shanghai AI Lab) disponibilizou o Intern-Decision, uma família de modelos compactos para tomada de decisões. Esses modelos foram lançados em 28 de setembro em três tamanhos de parâmetros: 0.8B, 2B e 4B. Em vez de gerar longos trechos de texto, o Intern-Decision foi projetado para fornecer diretamente um julgamento estruturado juntamente com probabilidades para cada resposta possível.

O conceito de design é baseado no princípio de 'decisão, não string'. O Intern-Decision suporta três tipos de perguntas. A pergunta de escolha exige que o modelo selecione a melhor opção de uma lista predefinida e atribua uma probabilidade a cada opção. A pergunta de avaliação solicita uma classificação em uma escala definida pelo usuário. E a pergunta de sim/não retorna uma resposta binária com a probabilidade correspondente. Além disso, uma única solicitação pode combinar vários tipos de perguntas sobre o mesmo estado, e todos são processados em uma única passagem para frente.

Integração da percepção visual

De acordo com o repositório do projeto no GitHub, os modelos são ajustados finamente no núcleo de linguagem Qwen3.5, enquanto a torre de visão e o projetor permanecem congelados. Isso permite que o Intern-Decision aceite imagens como parte dos dados de entrada, fazendo com que a percepção visual influencie diretamente a fase de tomada de decisão. A equipe demonstrou essa capacidade em tarefas relacionadas a jogos e interfaces: o modelo analisa quadros brutos de jogos, incluindo mapas de grade bidimensionais e níveis com rolagem lateral, e seleciona autonomamente a próxima ação. Outras demonstrações abrangem controle do mouse e uso de navegador.

Resultados de teste e desempenho

O laboratório relata que o modelo de 4B atinge uma precisão média de 90,02% em sete conjuntos de teste, o que é 1,28 pontos percentuais superior aos 88,74% do modelo comercial de tomada de decisões Jev, usado como principal referência. Esses conjuntos de teste incluem tipos de decisões, chamada de ferramentas, classificação de notícias e detecção de invasões, totalizando mais de 10.000 linhas de teste. O repositório também indica uma latência média de solicitação local de cerca de 44 milissegundos ao usar uma única placa de vídeo de consumidor RTX 4090, e fornece resultados de calibração em um benchmark com distribuição de 96 casos. Deve-se notar que esses indicadores são auto-relatórios dos desenvolvedores, e o repositório enfatiza que os protocolos e escopos de avaliação diferem entre os modelos.

O lançamento inclui código de treinamento, dois backends para inferência, ferramentas para contagem de resultados de benchmarks, pré-ajustes de calibração de temperatura e uma versão demo do navegador; no entanto, os dados de treinamento e alguns registros fechados de validação não estão incluídos. Os pesos dos modelos foram publicados no Hugging Face.

O fabricante local de GPUs, MetaX, anunciou que concluiu a adaptação Day-0, portanto, o Intern-Decision funciona em seu hardware desde o lançamento. A MetaX afirma que, a partir de dezembro de 2025, ela fornecerá suporte Day-0 para 40 modelos principais de ponta, e seu stack de software MXMACA suporta mais de 40 frameworks de IA e mais de 1000 modelos.

Para desenvolvedores que criam agentes, roteadores e filtros de conteúdo, pequenos modelos que fornecem probabilidades calibradas em vez de texto livre podem tornar as decisões automatizadas mais econômicas, rápidas e fáceis de auditar.