GLiDE v1.2 蒸馏后登顶决策指数
Fastino Labs 10 月 22 日发布 GLiDE v1.2：一个 27B 决策模型，基座是开源的 27B 混合模型（48 层 Gated DeltaNet 线性注意力加 16 层全注意力，模型卡写明源自 Qwen3.8-27B）。给它一段状态（文本、JSON 或图像）与若干道带类型的题，它一次前向返回每个选项的校准概率，不生成任何 token。
核心做法是「先教它推理，再把推理蒸馏回权重」：v1 是推理模型，v1.2 把思考 token 去掉、把推理过程压进权重，同时改造训练数据并引入多教师蒸馏；Fastino 称这正是准确率上升、延迟下降同时发生的原因。榜单上它在 Decision Index 0.4.1 得 71.52，229 个模型中第一（第二 Jeffan-31b-1710 69.8，第三 Baseten 的 mammoth-1 68.4）。
可用性上，权重以 fastino-community 许可放在 Hugging Face（非 OSI 开源），另提供托管 API；模型卡给的延迟是 bf16、单请求下 RTX PRO 6000 中位 84 毫秒，但 p99 达 2.7 秒、均值 263 毫秒，长尾并不小。两点要留意：71.52 是厂商自己在社区榜上的成绩，Decision Index 由 Hugging Face 上的社区 Space 维护；而同一模型在指数换版时分数会变——mammoth-1 从 0.4 的 71.24 变成 0.4.1 的 68.4，跨版本比名次并不严格可比。
原文链接：Fastino Labs 博客
核验记录
定日取官方博客自身字段：单页内 <time datetime="2026-10-22T00:00:00.000Z"> 与可见 October 22, 2026 两处一致，正文首句即 Today we are releasing GLiDE v1.2；标题 How to Train a SOTA Frontier Decision Model / 作者 Sahibzada Allahyar。HF fastino/GLiDE createdAt 2026-10-19T10:25Z、lastModified 2026-10-24T05:03Z（建仓早于公告，只留痕不定日）。数字逐字取自模型卡与 README：71.52 / 229 models / Jeffan-31b-1710 69.8 / baselabs mammoth-1 68.4 / bf16 RTX PRO 6000 Blackwell 中位 84 ms、均值 263 ms、p90 803 ms、p99 2,709 ms（750 次混合长度请求，平均每请求 2.3 个问题）/ 图像默认限制在 1024x1024。许可为 fastino-community（license: other），正文明确写非 OSI 开源。配图取博客 og:image（framerusercontent PNG 586,195 字节），裸请求与带站内 Referer 双 200。榜单维护方按模型卡链接记为 Hugging Face 上的社区 Space（multimodalart/jev-decision-index），本轮未直读该 Space 页面本身。