比Jev快2-3倍的国产开源模型来了：Intern-Decision拿下多模态决策SOTA Intern-Decision团队 投稿 量子位 | 公众号QbitAI 对于现有的AI智能体，能否在有限候选方案里快速、准确地给出决策，直接影响任务的完成情况。 TypeSafe的Jev正是在这样的需求下受到关注：它让模型面对给定选项直接给出结构化决策，把“快速选择”变成一种可以被程序调用的能力。 但要让这种“直觉”走出文本、进入真实场景，模型还必须看懂图像和不断变化的界面。 基于这一认识，来自**上海人工智能实验室的研究**团队构建了**性能超越Jev和目前所有相关开源模型的多模态决策SOTA模型Intern-Decision**，探索如何结合视觉理解与指令遵循，让模型快速作出判断，同时兼顾决策效果。 Intern-Decision将这种决策建模为**“自回归式掩码语言任务”**（Autoregressive Masked Language Modeling），充分利用现有LLM的Next-Token Prediction能力，达到一步Prefilling即可获得全部问题结果的效果。 在此基