原点星辉

原点星辉（StartLux）是一家上海 AI 公司，专注做专用决策模型而非通用大模型，其 27B 决策模型于 2026 年 9 月底完全开源发布，以本地化部署路线反超闭源走 API 的 Jev。摘要指出：专用小模型在特定判断任务上可胜过通用大模型，开源加本地化解决了企业数据敏感与成本问题，适合有私有化需求的企业和想嵌入决策能力的开发者；若只需聊天写作的通用助手则不适合。

如果你问的「原点星辉」是指上海那家做决策模型的 StartLux，那它最值得记住的标签是：成立不到 5 个月，靠一个 27B 的专用决策模型，在 2026 年 9 月底以完全开源的姿态反超了 Jev，登顶决策模型赛道。它不是又一个通用大模型公司，而是把「AI 做判断」当成廉价、高频的基础设施来卖。

它到底是什么：一家把「决策」单独拎出来的公司

StartLux（原点星辉）是一家上海 AI 公司，CEO 是陈大年——盛大网络联合创始人、连尚网络创始人，CTO 是郭权玮，法定代表人为罗永祥。这个班底本身就说明了一件事：它不是实验室里临时攒的团队，而是有成熟互联网产品与工程化经验的人，重新下场押一个当时还没被验证的方向。

它做的事，用一句话概括：不做「什么都能聊」的通用模型，只做「帮你判断」的决策模型。这条赛道的点火者是前 OpenAI 研究员 Diogo Almeida 创办的 TypeSafe AI，其 Jev 模型在 9 月 15 日发布后引发关注。原点星辉属于跟进者，但跟进得极快，且选择了和 Jev 不同的路线——完全开源、本地化部署。

核心产品：27B 的专用决策模型

原点星辉的核心产品是一个27B 参数规模的专用决策模型，2026 年 9 月 30 日在上海正式发布，并且是完全开源的。几个关键点值得拎出来说：

• 「专用」而非「通用」：它的目标不是写文章、聊天、生成代码，而是在具体场景里做判断和取舍。这决定了它的模型结构、训练数据和评测方式都跟通用大模型不一样。
• 27B 这个尺寸是有讲究的：相比动辄千亿参数的云端大模型，27B 属于能本地跑、能私有化部署的量级。这也是它敢喊「逆袭万亿云端」的底气所在。
• 完全开源：这是它和 Jev 最直接的路线差异。Jev 走的是闭源商业 API 的路子，原点星辉选择把模型放出来，让企业自己部署、自己改。
• 定位是基础设施：官方叙事里反复强调的是把 AI「判断」做成廉价、高频的基础设施——不是卖一次性的咨询，而是让决策能力像水电一样被反复调用。

需要说明的是，模型的具体收费方式、授权条款、可商用范围这些细节，清单里没有给出，以官网和开源仓库的说明为准，别轻信二手转述。

它和 Jev 的路线差异，一张表看清

很多人把原点星辉理解成「中国版 TypeSafe AI」，其实两者的选择差别挺大：

这张表里最有信息量的一行其实是「开源 vs 闭源」。决策模型这类东西，企业用起来最敏感的就是数据——判断往往涉及内部经营信息，能不能本地跑，直接决定了敢不敢用。

为什么「决策模型」这个品类值得单独存在

通用大模型的问题是：它很会「生成」，但不太会「负责」。你问它一个经营问题，它能给你一段四平八稳的分析，但不会告诉你「选 A 而不是 B，因为代价可控」。决策模型要补的正是这一段——把模糊的情境收敛成一个可执行的判断。

而一旦「判断」变成高频调用，成本就成了核心矛盾。这也是为什么原点星辉要强调廉价和本地化：如果每次判断都要走一遍昂贵的云端大模型，那它永远只能做演示，进不了日常流程。27B + 开源的组合，本质上是在解这道成本题。

顺带提一句，同期上海人工智能实验室的 Intern-Decision 团队也在做决策模型方向，说明这不是一家公司的孤立判断，而是国内在这一细分赛道上形成了集群式的跟进。

谁适合关注它

• 有私有化需求的企业：数据不能出内网，但又想让 AI 参与业务判断的团队。
• 想把决策能力嵌进产品里的开发者：开源意味着可以二次训练、可以改推理逻辑，而不是只能调一个黑盒 API。
• 关注决策模型赛道的人：Jev 点燃了这条赛道，原点星辉证明了开源路线在这条赛道上跑得通，这两件事连起来看才有意思。

反过来说，如果你只是想要一个能聊天、能写东西的通用助手，那它大概率不是你的菜——专用模型的「专」，同时也意味着能力边界的收窄。

几个容易踩的认知误区

1. 「27B 就一定比千亿模型弱」：在特定任务上，专用的小模型完全可以打过通用的大模型，参数规模不是唯一尺度。
2. 「开源等于免费随便用」：开源指的是模型权重和代码可见可得，具体授权条款、商用限制要看清楚，别想当然。
3. 「成立 5 个月的公司不靠谱」：团队背景比公司年龄更能说明问题，陈大年这一批人的工程化经验是实打实的。

相关问题

Q1：原点星辉和 Jev 是什么关系？
Jev 是 TypeSafe AI 在 2026 年 9 月 15 日发布的决策模型，属于这条赛道的点火者；原点星辉是跟进者，但在 9 月 30 日以完全开源的 27B 模型实现了反超登顶。

Q2：27B 这个规模意味着什么？
意味着它更适合本地化、私有化部署，而不是只能跑在云端。这是它敢主打「廉价高频基础设施」的物理基础。

Q3：决策模型和通用大模型的核心区别在哪？
通用模型擅长生成内容，决策模型擅长在具体情境下收敛出判断。前者追求「什么都会」，后者追求「在关键处敢下结论」。

Q4：国内还有谁在做类似方向？
上海人工智能实验室的 Intern-Decision 团队也在决策模型方向上推进，说明国内在这一细分赛道已经形成集群。

Q5：想用的话该从哪里入手？
建议直接看原点星辉官方发布的开源仓库与文档，收费、授权、部署要求这些以官方说明为准，不要依赖第三方转述。