会懂网AI资讯，10月1日，近日，上海人工智能实验室于九月二十八日宣布开源旗下决策模型书生明决Intern-Decision，包含零点八B、二B、四B三档参数版本。这反映出人工智能技术正在从单点突破走向系统级能力的构建，企业与应用侧对此高度关注。在算力供给持续扩张与推理成本快速下行的背景下，这类进展对开发者和行业用户都意义重大。
具体来看，与传统大语言模型不同，决策模型放弃文本生成能力，专注于快速输出结构化的判断结果，Jev提出的要决策不要文本通过Choice、Score、Noul三项核心能力，直接输出一个选择、一个评分或一个概率值。业内普遍认为，相关能力的成熟将直接拉动上下游生态的协同创新与商业落地速度。从产业节奏看，头部厂商正把模型能力转化为可直接调用的服务，竞争焦点已转向工程化与可用性。
从技术细节出发，书生明决在此基础上构建多模态决策能力，把视觉信息融入决策环节，实现决策选择和画面感知相结合，团队通过游戏、图形界面等操作演示验证，在真实游戏场景里模型能直接读取游戏画面自主选择下一步动作，测试画面涵盖二维网格地图、横版闯关场景以及第一人称三维场景，需要完成路线选择、识别危险物品、判断空间方位等任务。
在产业层面，性能方面，在JevBench等七项基准评测中书生明决四B模型平均得分达到九十点零二，居参评模型榜首，较Jev的八十八点七四高出一点二八分。对用户而言，此类更新意味着更低的使用门槛与更稳定的体验，智能助手的实用价值持续提升。值得关注的是，开源与开放策略正在改变技术扩散的路径，中小团队也能借此快速构建应用。
对开发者与企业用户而言，速度是另一项关键指标，单卡四零九零环境中决策速度达三十次每秒，零点八B和二B模型延迟约三十三毫秒，四B模型单次端到端时延为四十四点一六毫秒，比Jev快两倍以上。在监管与合规要求趋严的环境下，厂商在能力扩张的同时也更强调安全与可控。多方数据显示，AI 应用的渗透率仍在快速提升，真实场景的反馈正反过来推动模型迭代。
展望后续，结合置信度分流机制，书生明决还可将不确定的问题交由大模型处理，探索兼顾响应速度与决策准确性的协作模式。相关进展将持续影响行业格局，值得长期跟踪。这类进展也折射出国内外在基础模型与智能体方向上的投入力度与路线差异。从长远看，模型与算力、数据的协同优化，将决定下一阶段智能应用的上限。
暂无评论内容