Shanghai Artificial Intelligence Laboratory (Shanghai AI Lab) сделала доступным Intern-Decision — семейство компактных моделей для принятия решений. Эти модели были выпущены 28 сентября в трех вариантах размера: 0.8B, 2B и 4B параметров. Вместо генерации длинных текстовых отрывков, Intern-Decision спроектирован так, чтобы напрямую предоставлять структурированное суждение вместе с вероятностями для каждого возможного ответа.
Концепция дизайна основана на принципе «решения, а не строки». Intern-Decision поддерживает три типа вопросов. Вопрос выбора требует от модели выбрать наилучший вариант из заранее заданного списка и присвоить каждому варианту вероятность. Вопрос оценки запрашивает рейтинг по шкале, определенной пользователем. А вопрос с ответом «да/нет» возвращает бинарный ответ с соответствующей вероятностью. При этом один запрос может объединять несколько типов вопросов об одном и том же состоянии, и все они обрабатываются за один проход вперед.
Интеграция визуального восприятия
Согласно репозиторию проекта на GitHub, модели дообучаются на языковом ядре Qwen3.5, при этом башня зрения и проектор остаются замороженными. Это позволяет Intern-Decision принимать изображения в качестве части входных данных, благодаря чему визуальное восприятие напрямую влияет на этап принятия решения. Команда продемонстрировала эту возможность на задачах, связанных с играми и интерфейсами: модель анализирует необработанные кадры игры, включая двумерные карты сетки и уровни с боковым скроллингом, и самостоятельно выбирает следующее действие. Другие демонстрации охватывают управление мышью и использование браузера.
Результаты тестирования и производительность
Лаборатория сообщает, что 4B модель достигает средней точности в 90.02% по семи тестовым наборам, что на 1.28 пункта выше, чем 88.74% коммерческой модели принятия решений Jev, которая используется в качестве основного эталона. Эти тестовые наборы включают типы решений, вызов инструментов, классификацию новостей и обнаружение взломов, суммарно превышая 10 000 тестовых строк. Репозиторий также указывает среднюю задержку локального запроса около 44 миллисекунд при использовании одной потребительской видеокарты RTX 4090, а также предоставляет результаты калибровки на бенчмарке с распределением из 96 случаев. Следует отметить, что эти показатели являются самоотчетами разработчиков, и в репозитории подчеркивается, что протоколы и область оценки различаются между моделями.
Выпуск включает обучающий код, два бэкэнда для инференса, инструменты для подсчета результатов бенчмарков, пресеты калибровки температуры и демо-версию браузера; однако обучающие данные и некоторые закрытые записи валидации не включены. Веса моделей опубликованы на Hugging Face.
Местный производитель графических процессоров MetaX заявил, что завершил адаптацию Day-0, поэтому Intern-Decision работает на его оборудовании с момента запуска. MetaX утверждает, что с декабря 2025 года он предоставил поддержку Day-0 для 40 основных флагманских моделей, а его программный стек MXMACA поддерживает более 40 ИИ-фреймворков и свыше 1000 моделей.
Для разработчиков, создающих агентов, маршрутизаторы и фильтры контента, небольшие модели, которые выдают откалиброванные вероятности вместо свободного текста, могут сделать автоматизированные решения более экономичными, быстрыми и простыми для аудита.