As duas versões estão alinhadas bloco a bloco, pela ordem do texto: título, o essencial e depois parágrafo a parágrafo. Quando a tradução fundiu ou dividiu um parágrafo, a casa correspondente fica vazia — nunca aproximamos duas passagens a olho.
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.
Num ranking gerido pela comunidade, o modelo 27B Instant do StartLux-Decision v1.1 ocupa agora o primeiro lugar, com uma pontuação global de 69,12 a 16 de outubro. A classificação é medida com o Decision Index 0.3.2, na Hugging Face, mantido por voluntários e sem ligação à TypeSafe. O modelo líder foi o primeiro em todas as três partes do teste: 72,88 em benchmarks públicos, 64,82 em testes privados das mesmas competências e 61,41 em tarefas privadas de domínios novos. O segundo classificado, o vLLM-SR d3, atingiu 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.
A tarefa para a qual estes modelos foram concebidos é estreita e prática. Fornece-se a um modelo um estado, que pode ser um bloco de texto, um ficheiro JSON ou uma imagem, juntamente com um conjunto de perguntas tipificadas. O modelo devolve uma probabilidade para cada resposta: uma escolha numa lista, um sim ou não, ou um nível numa escala. Os modelos Instant produzem essa resposta numa única passagem pela rede. As variantes AutoThink funcionam da mesma forma quando estão confiantes, mas, quando a probabilidade mais alta desce abaixo de um limiar, fixado por predefinição em 0,6, escrevem um breve rastro de raciocínio e voltam a ler a resposta. No subconjunto público do Decision Index 0.3, a StartLux indica 73,37 para o modelo 27B AutoThink com o limiar elevado para 0,9, um valor que a própria empresa calculou.
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.
A gama inclui oito modelos abertos, nas versões Instant e AutoThink, disponíveis nos formatos GGUF e MLX e executáveis em vLLM e MLX. Os autores descrevem um processo de treino em três fases e um método de aprendizagem por reforço chamado RLCD-squared, que recompensa os modelos por atribuírem probabilidades honestas às suas respostas e penaliza levemente os raciocínios longos. Segundo afirmam, este método reduziu o comprimento médio do raciocínio até cerca de 65 %, mantendo a precisão praticamente intacta. A StartLux apresentou ainda o DecisionPivot, o seu próprio benchmark, construído a partir de pares de casos que diferem num único detalhe que deveria alterar a resposta, em áreas como políticas, contabilidade, horários, permissões e chamadas de ferramentas. Nesse teste, o modelo 27B AutoThink atinge uma precisão por pares de 86,9 %. Estes números vêm da empresa, e não de laboratórios independentes.
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.
Para um programador que constrói um agente que tem de escolher o passo seguinte, o ganho está no custo e no controlo: um modelo que responde numa só passagem na maioria das vezes, e só raciocina quando hesita, pode ser mais barato de executar do que um que escreve sempre o seu raciocínio. As demonstrações no sítio do projeto mostram este tipo de decisão passo a passo em xadrez, Super Mario Bros., StarCraft II e numa tarefa de compras feita num computador, com um pedido tipificado por passo. A licença é o limite imediato: os pesos estão abertos para investigação e utilização pessoal, mas as equipas comerciais têm de esperar por um acordo diferente. Continua por esclarecer se a liderança no ranking se mantém em testes que os autores não conceberam, e se a diferença no comprimento do raciocínio resiste fora dos seus próprios benchmarks.