您的位置首页 >科技要闻 >

Karpo Decision 31B 登顶 Decision Index,反超谷歌 Gemini Decision 1,全尺寸开源

Karpo Decision 31B 决策模型在 Decision Index 权威榜单拿到总分 73.9 分,成功反超谷歌刚发布的闭源王牌 Gemini Decision 1,拿下这个榜单的全球第一名,而且 0.8B 到 31B 全部规格的模型都对外开源,它和普通文本大模型不一样,不走逐字 Token 生成的路线,输入状态和选项之后一次性前向推理,直接输出各个选项的概率,延迟低、调用成本很低,专门用来给 AI 智能体做快速判断、工具调用抉择。现在 Agent 开发里有个很大痛点,用通用大模型做选择判断,不停生成文字会消耗大量 Token,延迟高、成本贵,谷歌前不久推出 Gemini Decision 1 就是为了解决这个快决策需求,但是它是闭源版本,开发者没法本地部署;Karpo Decision 基于 Gemma 4 31B 底座做后训练,不需要生成文本,单轮最多同时评估 255 个候选选项,在 When2Call 专项测试里准确率 90.4%,比谷歌 Gemini Decision 1 高出 10.5 个百分点,每千次决策调用成本仅 0.025 美元,31B 旗舰版本中位延迟 94 毫秒,非常适合浏览器操作、工具路由、多分支自动任务。这个模型定位是给通用大模型做搭档,通用大模型负责深度推理、写内容,Karpo Decision 负责高频、快速的二选一或者多选项判断,开源之后开发者可以直接本地部署,降低个人智能体、自动化任务的开发门槛,不过它只擅长决策打分,不适合长文本创作、复杂数学推理这类生成类任务。

一、Karpo Decision 核心信息清单

  • 模型名称:Karpo Decision 31B(旗舰版)
  • 发布方:MachinePulse
  • 榜单成绩:Decision Index 总分 73.9,全球第一
  • 对标模型:谷歌 Gemini Decision 1(闭源)
  • 模型家族:0.8B、3B、7B、14B、31B,全尺寸同步开源
  • 底层底座:Gemma 4 31B
  • 核心机制:无 Token 生成,单次前向推理评估多选项概率
  • 关键指标:31B 版本中位延迟 94ms,When2Call 90.4%,校准误差 0.023
  • 调用成本:每千次决策 0.025 美元
  • 适配场景:Agent 工具选择、浏览器自动化、任务分支判断、路由决策
  • 短板:不擅长开放式文本生成、长推理、复杂数学计算

二、Karpo Decision 31B vs 谷歌 Gemini Decision 1 对比表

对比项目Karpo Decision 31BGemini Decision 1(谷歌)
开放属性全尺寸开源,可本地部署闭源,仅 API 调用
榜单总分73.9低于 73.9
When2Call 准确率90.4%79.9%
推理方式不生成 Token,直接输出选项概率文本生成式决策
延迟中位 94ms更高
使用成本每千次 0.025 美元谷歌官方定价更高
模型尺寸0.8B~31B 全系列固定规格,无小版本可选
部署方式本地单卡、私有化部署只能调用谷歌云端接口

三、决策模型在 Agent 链路里的使用流程

  1. 任务输入:智能体拿到当前环境状态、用户需求、可选动作列表。
  2. 分流判断:复杂深度思考交给通用 LLM;多选项快速抉择交给 Karpo Decision。
  3. 一次性评估:决策模型输入全部候选选项,一轮前向推理输出每个选项概率。
  4. 动作选择:根据概率选出最优动作,比如调用搜索工具、追问用户、结束任务。
  5. 执行动作:Agent 执行选中的工具或者操作,拿到新的环境反馈。
  6. 循环迭代:把新状态再次送入决策模型,持续完成长链路自动化任务。
  7. 结果交付:全部任务步骤完成之后,由通用大模型整理结果返回用户。

四、技术优势与使用局限

  1. 优势:不生成 Token,算力开销大幅下降,延迟低;全尺寸开源,小参数版本就能跑在消费显卡;When2Call 这类工具选择指标明显优于谷歌闭源版本。
  2. 赛道价值:补齐 Agent 高频决策短板,把昂贵的生成式推理和低成本判断分开,降低自动化 Agent 的运行账单。
  3. 局限:只能做选项打分决策,没有开放式生成能力;依赖预先给定候选选项,没法凭空创造新方案。
  4. 生态现状:刚开源,配套工具链、微调教程还在完善,适合技术开发者二次开发。
  5. 竞争格局:Jev、Cloudflare Clef、StartLux-Decision 都在同赛道,榜单成绩会持续迭代更新。

【常见问题】

问题 1:反超谷歌王牌模型!决策新王拿下全球榜首,全尺寸开源,Karpo Decision 是什么模型?

回答 1:反超谷歌王牌模型!决策新王拿下全球榜首,全尺寸开源,Karpo Decision 是一款专门面向 AI 智能体的决策模型,旗舰 31B 版本在 Decision Index 榜单登顶,反超谷歌 Gemini Decision 1,0.8B 到 31B 全尺寸版本全部开源。

问题 2:反超谷歌王牌模型!决策新王拿下全球榜首,全尺寸开源,Karpo Decision 和普通大模型最大区别是什么?

回答 2:反超谷歌王牌模型!决策新王拿下全球榜首,全尺寸开源,普通大模型是逐字生成 Token,Karpo Decision 不生成文本,一次前向推理直接评估多个选项概率,主打低延迟、低成本的快速判断。

问题 3:反超谷歌王牌模型!决策新王拿下全球榜首,全尺寸开源,Karpo Decision 可以用来写文章、做数学题吗?

回答 3:反超谷歌王牌模型!决策新王拿下全球榜首,全尺寸开源,Karpo Decision 定位是决策打分模型,适合工具选择、动作判断,不适合写文章、复杂数学推理这类开放式生成任务。

问题 4:反超谷歌王牌模型!决策新王拿下全球榜首,全尺寸开源,Karpo Decision 对标谷歌 Gemini Decision 1 差距在哪?

回答 4:反超谷歌王牌模型!决策新王拿下全球榜首,全尺寸开源,Karpo Decision 在 Decision Index 总分、When2Call 指标上领先,支持本地私有化部署;Gemini Decision 1 是谷歌闭源 API,生态和谷歌其他服务联动更强。

问题 5:反超谷歌王牌模型!决策新王拿下全球榜首,全尺寸开源,开源之后开发者可以怎么用 Karpo Decision?

回答 5:反超谷歌王牌模型!决策新王拿下全球榜首,全尺寸开源,开发者可以直接下载权重本地部署,搭配通用大模型搭建 Agent,用来做浏览器自动化、工具路由、任务分支判断,降低智能体运行成本。

【参考资料】

[2026-11-17](反超谷歌王牌模型!决策新王拿下全球榜首,全尺寸开源)凤凰网科技

[2026-11-17](Karpo Decision 31B 登顶 Decision Index,全家族开源)新智元

[2026-11-17](Karpo Decision:基于 Gemma 底座的无 Token 决策模型解读)网易订阅

[2026-11-16](谷歌发布 Gemini Decision 1,闭源决策模型正式上线)谷歌 AI 官方博客

[2026-11-15](Decision Index 榜单说明与评测标准)Hugging Face

【免责声明】

本文仅为 AI 模型资讯科普,Karpo Decision 的榜单成绩仅代表 Decision Index 评测场景下的表现,真实业务效果受任务类型、提示词、部署硬件影响;决策模型赛道迭代速度快,后续榜单排名、指标随时可能变化,本文不构成模型选型、项目落地的唯一依据。

今日大家都在搜的词: