DeepOpen 开源非自回归 System 1 决策引擎：100 多种语言单次前向出决策，T4 上单请求 33 毫秒

9 月 21 日，一个名为 DeepOpen 的项目在 GitHub 建仓，四天内拿到 1,020 star。它的定位是「非自回归 System 1 决策引擎」——不做逐 token 生成，而是在一次前向里同时完成多维分类，官方给的数字是 100 多种语言、NVIDIA T4 上单请求延迟低至 33 毫秒、批处理 7.2 毫秒。这条路线要打的是同一个靶子：传统大模型在分类、路由、评分这类高频结构化任务上慢、贵、会幻觉。

真正的差别在方法：训练用 RLCD 强化学习框架，并内置一个路由器为每个请求自动匹配最优 checkpoint，消掉了「一个模型打天下」这个前提。仓库里 banking77 与 clinc150 两个意图分类基准的完整训练与评测流程、结果报告、技术文档全部可复现，README 宣称可一键复现其领先结果。参数 421M，100+ 语言档位标称比同类快 2 倍，自托管 100 万 token 上下文成本记为 $0。

但按「有仓库不等于有发布」这条判据，这里必须写明：GitHub 仓库 105 个文件里**没有任何权重文件**（safetensors / bin / pt / onnx / gguf 全部为 0），README 指向的 Hugging Face 仓库 convaiinnovations/deepopen 本轮直读返回 401。另有几点是我没看到的：官方站 deepopen.com 全页无任何日期字段，官网 news 页与 GitHub releases 均为空，star 增长曲线可被开源热榜解释，官方声称的「领先结果」我只读到 BANKING77/CLINC150 两个基准，而这两个是本领域最经典的公开集，缺 MMLU 式外部榜单交叉。

原文链接：GitHub / DeepOpen 官方仓库