Le due versioni sono allineate blocco per blocco, nell’ordine del testo: titolo, l’essenziale, poi paragrafo per paragrafo. Quando la traduzione ha fuso o diviso un paragrafo, la casella corrispondente resta vuota — non accostiamo mai due passaggi a occhio.
On a leaderboard run by the community, the 27B Instant model of StartLux-Decision v1.1 is now first, with a Full score of 69.12 as of October 16. The ranking is measured on Decision Index 0.3.2 on Hugging Face, which is maintained by volunteers and has no link to TypeSafe. The top model took first place in all three parts of the test: 72.88 on public benchmarks, 64.82 on private tests of the same skills, and 61.41 on private tasks from new domains. The runner-up, vLLM-SR d3, reached 66.26.
In una classifica gestita dalla comunità, il modello 27B Instant di StartLux-Decision v1.1 è ora al primo posto, con un punteggio complessivo di 69,12 al 16 ottobre. La graduatoria è basata sul Decision Index 0.3.2 su Hugging Face, mantenuto da volontari e senza alcun legame con TypeSafe. Il modello in testa ha conquistato il primo posto in tutte e tre le parti del test: 72,88 sui benchmark pubblici, 64,82 su test privati che misurano le stesse competenze e 61,41 su compiti privati in ambiti nuovi. Il secondo classificato, vLLM-SR d3, si è fermato a 66,26.
The task these models are built for is narrow and practical. Give a model a state, which can be a block of text, a JSON file or an image, along with a set of typed questions. It returns a probability for every answer: a choice from a list, a yes or no, or a level on a scale. The Instant models produce that answer in a single forward pass through the network. The AutoThink variants work the same way when they are confident, but when the top probability drops below a gate, set by default at 0.6, they write a short reasoning trace and then read the answer again. On the public subset of Decision Index 0.3, StartLux reports 73.37 for the 27B AutoThink model with the gate raised to 0.9, a figure the company ran itself.
Il compito per cui questi modelli sono costruiti è circoscritto e pratico. Si fornisce a un modello uno stato, che può essere un blocco di testo, un file JSON o un'immagine, insieme a una serie di domande tipizzate. Il modello restituisce una probabilità per ogni risposta: una scelta da un elenco, un sì o un no, oppure un livello su una scala. I modelli Instant producono questa risposta in un unico passaggio attraverso la rete. Le varianti AutoThink funzionano allo stesso modo quando sono sicure, ma quando la probabilità più alta scende sotto una soglia, fissata per impostazione predefinita a 0,6, scrivono una breve traccia di ragionamento e poi rileggono la risposta. Sul sottoinsieme pubblico del Decision Index 0.3, StartLux indica 73,37 per il modello 27B AutoThink con la soglia portata a 0,9, un dato che l'azienda ha ottenuto da sola.
The lineup spans eight open models, in Instant and AutoThink versions, available in GGUF and MLX formats and running on vLLM and MLX. The authors describe a three-stage training pipeline and a reinforcement learning method called RLCD-squared, which rewards models for putting honest probabilities on their answers and lightly penalizes long reasoning. They say it cut average reasoning length by up to about 65% while keeping accuracy largely intact. StartLux also introduced DecisionPivot, its own benchmark built from pairs of cases that differ in one detail that should change the answer, across policies, ledgers, schedules, permissions and tool calls. On that test, the 27B AutoThink model reaches 86.9% pair accuracy. Those figures come from the company, not from independent labs.
La gamma comprende otto modelli aperti, nelle versioni Instant e AutoThink, disponibili nei formati GGUF e MLX ed eseguibili con vLLM e MLX. Gli autori descrivono una pipeline di addestramento in tre fasi e un metodo di apprendimento per rinforzo chiamato RLCD-squared, che premia i modelli per assegnare probabilità oneste alle proprie risposte e penalizza in modo leggero i ragionamenti lunghi. Affermano che questo metodo ha ridotto la lunghezza media del ragionamento fino a circa il 65%, mantenendo sostanzialmente invariata l'accuratezza. StartLux ha inoltre presentato DecisionPivot, un benchmark proprio costruito su coppie di casi che differiscono per un dettaglio che dovrebbe cambiare la risposta, in ambiti come politiche, registri contabili, pianificazioni, permessi e chiamate a strumenti. In questo test, il modello 27B AutoThink raggiunge un'accuratezza sulle coppie dell'86,9%. Questi dati provengono dall'azienda, non da laboratori indipendenti.
For a developer building an agent that must choose a next step, the gain is in cost and control: a model that answers in one pass most of the time, and reasons only when it hesitates, can be cheaper to run than one that always writes out its thinking. The demos on the project site show this kind of step-by-step decision-making in chess, Super Mario Bros., StarCraft II and a shopping task performed on a computer, with one typed request per step. The licence is the immediate limit: the weights are open for research and personal use, but commercial teams must wait for a different agreement. What remains open is whether the leaderboard lead holds up on tests the authors have not designed, and whether the gap in reasoning length survives outside their own benchmarks.
Per uno sviluppatore che costruisce un agente chiamato a scegliere il passo successivo, il vantaggio sta nei costi e nel controllo: un modello che risponde in un unico passaggio nella maggior parte dei casi, e ragiona solo quando esita, può costare meno da far girare rispetto a uno che scrive sempre per esteso il proprio ragionamento. Le dimostrazioni sul sito del progetto mostrano questo tipo di decisione passo dopo passo negli scacchi, in Super Mario Bros., in StarCraft II e in un compito di acquisto online svolto al computer, con una richiesta tipizzata per ogni passo. Il limite immediato è la licenza: i pesi sono aperti per la ricerca e l'uso personale, ma i team commerciali dovranno attendere un accordo diverso. Resta aperta la questione se il primato in classifica regga su test che gli autori non hanno progettato, e se il divario nella lunghezza del ragionamento si confermi al di fuori dei loro stessi benchmark.