Decision 3.0
vLLM Semantic Router发布的开源多模态决策模型系列，采用Apache-2.0协议，包含0.8B至27B共5个参数规模版本，专注于结构化决策输出（选择题、是非题、打分题），而非生成自然语言文本
时间轴 (近 90 天)
Decision 3.0模型已在Hugging Face上开放（vllm-sr/decision-30 collection）
Decision 3.0在Jev Decision Index的文本和视觉两个榜单上均拿下第一名
针对同一输入的多个问题可在一次调用中完成，每个问题各自对输入做一次前向传播
Decision 3.0公布的参数量已包含视觉编码器，4B版本中视觉编码器占0.33B，27B版本中占0.46B
Decision 3.0图像输入单次请求支持多张图片，分辨率最高可达1.6 MP
Decision 3.0模型权重采用BF16精度，可通过Transformers库加载（需设置trust_remote_code=True），训练在AMD Instinct MI325X加速卡上完成
Decision 3.0的27B版本在文本榜拿下64.7分、视觉榜拿下71.6分，领先榜单上所有参赛者
Decision 3.0的9B版本（代号d3-flash）在评测中击败了上一代的27B模型Decision 2.0
没有任何一个Decision 3.0模型在训练中见过视频数据，但在Perception Test验证集全部19,140道问题上，27B版本零样本得分77.4，4B版本得分70.3
vLLM Semantic Router团队发布了决策模型家族Decision 3.0（简称d3），覆盖0.6B到27B多个参数规模，采用Apache-2.0开源协议，支持文本、图像和视频三种模态输入
还有 8 条时间轴事件
全部知识事实 (17)
Decision 3.0的9B版本（代号d3-flash）在评测中击败了上一代的27B模型Decision 2.0
50%待验证没有任何一个Decision 3.0模型在训练中见过视频数据，但在Perception Test验证集全部19,140道问题上，27B版本零样本得分77.4，4B版本得分70.3
50%待验证Decision 3.0在Jev Decision Index的文本和视觉两个榜单上均拿下第一名
50%待验证针对同一输入的多个问题可在一次调用中完成，每个问题各自对输入做一次前向传播
50%待验证Decision 3.0公布的参数量已包含视觉编码器，4B版本中视觉编码器占0.33B，27B版本中占0.46B
50%待验证Decision 3.0图像输入单次请求支持多张图片，分辨率最高可达1.6 MP
50%待验证Decision 3.0模型权重采用BF16精度，可通过Transformers库加载（需设置trust_remote_code=True），训练在AMD Instinct MI325X加速卡上完成
50%待验证Decision 3.0的27B版本在文本榜拿下64.7分、视觉榜拿下71.6分，领先榜单上所有参赛者
50%待验证Decision 3.0 可回答三类结构化问题：选择题（choice）、是非题（yes/no）以及打分题（score）
50%待验证Decision 3.0 的核心定位并非生成文本，而是专注于做出决策，不生成文本（without generating text）
50%待验证决策模型将任务重新定义为分类或评分问题，直接给出结构化结果而无需生成描述性文字
50%待验证小尺寸模型（如 0.8B）适合边缘设备或对延迟敏感的实时路由场景，大尺寸模型（27B）适合需要更高判断精度的任务
50%待验证Apache-2.0 协议允许企业和开发者较为自由地在商业产品中集成、修改和分发这些模型
50%待验证Decision 3.0 能够在一次调用中对文本和图像同时进行处理
50%待验证Decision 3.0模型已在Hugging Face上开放（vllm-sr/decision-30 collection）
50%待验证vLLM Semantic Router团队发布了决策模型家族Decision 3.0（简称d3），覆盖0.6B到27B多个参数规模，采用Apache-2.0开源协议，支持文本、图像和视频三种模态输入
50%待验证vLLM Semantic Router 发布了 Decision 3.0，是一组采用 Apache-2.0 开源协议的多模态决策模型
50%