MachinePulseAI 开源 Karpo Decision 系列决策模型,31B 版本以 73.9 分并列 Decision Index 榜首
开源决策模型 Karpo Decision 31B 发布,以 73.9 分并列 Decision Index 300 模型榜首
MachinePulseAI 发布开源权重决策模型 Karpo Decision 系列,含 0.8B 到 31B 六个型号,用单次前向传播直接输出各选项概率而不生成 token。
Rohan Paul· @rohanpaul_ai · X·2026-11-18 03:14· 58 分钟前AI 评分50
AI 导读
MachinePulseAI 发布开源权重决策模型 Karpo Decision 系列,含 0.8B 到 31B 六个型号,用单次前向传播直接输出各选项概率而不生成 token。
正文 · 原文
一个全新的开源决策模型刚刚发布,在 300 个模型中排名第一。
Karpo-Decision-31B 用读出头取代了解码:每个选项对应一个单 token 编码,每个编码对应一个分数,再对该问题的选项做 softmax。零生成 token,答案始终有效,并通过分支注意力在问题之间共享页面。
Decision Index 总分:73.9,最高分,与 GLiDE 27B 的 73.4 并列 300 个模型中的第 1。基座是 Gemma 4 31B,却在 Amazon ESCI 上以 64.7% 对 58.7% 击败 Google 的 Gemini Decision 1,在 New Yorker Caption 上以 90.5% 对 79.7% 胜出。
对比 Jev 1.14,其中位耗时为 95 ms 对 196 ms,JevBench 估算每 1,000 次决策成本约低五分之一。
开放权重对搜索和推荐团队很重要,他们每个查询需要大量相关性判断;对需要校准“行动或询问”阈值的个人智能体也很重要。
在 X 查看被引用的帖子选择下一个工具不该需要一整段话。
我们构建了 Karpo Decision。一个包含六个开放权重模型的系列,从 0.8B 到 31B。给它上下文、一个问题以及选项,它在一次前向传播中返回每个选项的概率。
Karpo Decision 31B
🏆 Decision Index 得分 73.9,在 11 月 12 日榜单上并列第 1
⚡ 单张 RTX PRO 6000 上每请求中位耗时 94 ms
📊 JevBench Capability 得分 87.2,Google 的 Gemini Decision 1 为 78.5🤗 Hugging Face
huggingface.co/MachinePulseAI…
📝 技术说明
karpo.ai/blog/karpo-decision-…我会最先在这些地方尝试:搜索、推荐、工具选择、模型路由、浏览器操作。把它指向你技术栈中最慢的决策,并告诉我们哪里会出问题。
来源:Rohan Paul · x.com
来源:RadarAI · aihot.news