Decision 3.0：基于Qwen的多模态决策模型，Jev榜单双第一
Decision 3.0: open, multimodal decision models from 0.6B to 27B. Ranks #1 on both Jev Decision Index boards
推荐理由
开源多模态决策模型的新标杆，Jev榜单双第一且覆盖全尺寸段，做Agent路由或结构化输出的同学值得重点关注。
With the vLLM Semantic Router team we released Decision 3.0 (d3), our new SOTA decision model family ranging from 0.6B to 27B, Apache-2.0, all reading text, images and video.
我们与 vLLM Semantic Router 团队发布了 Decision 3.0（d3），这是我们的全新 SOTA 决策模型系列，参数量从 0.6B 到 27B 不等，采用 Apache-2.0 许可证，支持读取文本、图像和视频。
How it works
工作原理
- Built on Qwen3.5 (0.8B / 2B / 4B / 9B) and Qwen3.8-27B. The parameter counts include the vision encoder: 0.33B in the 4B, 0.46B in the 27B.
- Three decision types: choice, yes/no, score. Probability for every answer, with no text generation. Several questions about the same input are answered in one call, each from its own forward pass over the input.
- Images: multiple per request, read at up to 1.6 MP.
- Video: multiple per request (MP4, WebM, MOV, MKV), sampled at 2 fps, at most 32 frames over the whole clip, each at up to 0.2 MP.
- BF16 weights, load with Transformers (trust_remote_code=True), trained on AMD Instinct MI325X.
- 基于 Qwen3.5（0.8B / 2B / 4B / 9B）和 Qwen3.8-27B 构建。参数计数包含视觉编码器：4B 模型中为 0.33B，27B 模型中为 0.46B。
- 三种决策类型：选择、是/否、评分。提供每个答案的概率，不生成文本。对同一输入的多个问题可在一次调用中回答，每个问题独立经过一次前向传播。
- 图像：每次请求可处理多张图像，分辨率最高可达 1.6 MP。
- 视频：每次请求可处理多个视频（MP4、WebM、MOV、MKV），采样率为 2 fps，整个片段最多 32 帧，每帧分辨率最高可达 0.2 MP。
- BF16 权重，使用 Transformers 加载（trust_remote_code=True），在 AMD Instinct MI325X 上训练。
Results (our evaluation, official Jev 0.3 kit on the released weights)
结果（我们的评估，官方 Jev 0.3 套件在已发布权重上的表现）
- #1 on both boards: the 27B scores 64.7 text and 71.6 vision, ahead of every listed model, Jev's own included.
- Every size leads its class: the 0.6B, 0.8B, 4B and 9B each lead their size class. The 9B (d3-flash) beats our previous-generation 27B (Decision 2.0).
- Video zero-shot: no model saw video in training. On all 19,140 Perception Test validation questions, the 27B scores 77.4 and the 4B scores 70.3.
- 两项榜单均排名第一：27B 模型在文本任务上得分 64.7，在视觉任务上得分 71.6，领先于所有列出的模型，包括 Jev 自家的模型。
- 各尺寸均在各自类别中领先：0.6B、0.8B、4B 和 9B 分别在其尺寸类别中位居榜首。9B（d3-flash）优于我们上一代的 27B 模型（Decision 2.0）。
- 视频零样本测试：没有任何模型在训练阶段见过视频数据。在全部 19,140 道 Perception Test 验证题中，27B 模型得分为 77.4，4B 模型得分为 70.3。
HF collection: https://huggingface.co/collections/vllm-sr/decision-30
Hugging Face 集合：https://huggingface.co/collections/vllm-sr/decision-30
更进一步：量化金融体系
看懂新闻只是起点——沿量化金融路径，把它变成能交付的工程能力