判断任务正在被拆成便宜活

判断这条线上又杀出一队开源货。上海人工智能实验室放出 Intern-Decision，零点八B到四B三个档，集合页在 modelscope.ai/collections/Sh… 。 成绩先摆开。七个决策基准上，三档平均分分别是七十九、八十五、九十。四B 那档压过 Jev，八十顶上九十，还顺手把概率校准做得更准。速度更狠，本地同环境跑下来三四十毫秒，对面一百一十，差了三倍。 能力清单也齐。一次前向把选择、打分、是非三类题一起答了，输出带类型的结构化结果，概率分布校准过，这对要拿概率做门槛的流程很关键。文本状态配最多八张图，路由、选工具、打分、控流程都能干，许可是 Apache 2.0，兼容 Qwen 那套生态，接进现有项目不费劲。 三档摆在货架上也贴心，小场景用最小的，重活再上四B，按需挑不用一刀切。判断这种高频短调用，省下来的毫秒数乘上次数，账面会很难看。 我的看法是这队货把判断层的选择面一下拉宽了。以前默认贵的才可靠，如今小一半的参数量、快几倍的延迟，分数还更稳，判断类任务未必非得端着大模型。这跟前两天那一百零四美元训出来的老哥殊途同归，判断在被拆成便宜活。 拿不准哪家强的，用自己业务里那几百道老判断题跑个对比表，延迟和校准一起看，选便宜的那档往往不亏。