Supersonic Labs 开源 Julia 1：144.3M 决策模型，CPU 上一次前向给出分类、路由、排序与是非判断
Supersonic Labs 在 Hugging Face 放出 Julia 家族的第一个模型 Julia 1，144.3M 参数，底座是 jhu-clsp/mmBERT-small 编码器加一个决策头，权重与推理代码一并公开，训练管线本身未公开。它的定位是把一个状态、一个问题与一组候选答案一次性变成一个明确决策，同一套接口覆盖分类、路由、有序打分与布尔判断四类任务，标称可在 CPU 上运行。
模型卡给出的评测是在 2026-09-24 用 H200 BF16 推理、严格编码下测的，并注明是当前仓库这个 checkpoint 的结果：类型化决策 1,463/2,000 正确，73.15%，略高于其引用的 Jev 参考值 72.70%；分项为 Choice 71.33%、Noul 80.67%、Score 68.88%。MASSIVE 场景分类覆盖 52 个语种共 154,648 例，宏平均 71.50%，其中英语与葡萄牙语均在 86% 以上。
值得注意的是厂商自己标出的短板：Banking77 的 72 标签试点上只有 64.00%，比 Jev 参考低 23 个百分点。模型卡把结构定得很清楚——它适合有明确候选答案的分类与路由工作流，不适合需要开放生成的任务。
原文链接：Hugging Face 模型卡
核验记录
官方模型卡 HF SupersonicLabs/Julia-1 直读 200（README 13,651 字符逐段读完），API 与 ONNX 仓 SupersonicLabs/Julia-1-ONNX（createdAt 2026-09-25T16:12:36Z）互证同一发布。HF 仓 createdAt 2026-09-23T15:29:46Z 与模型卡自述评测日 2026-09-24 一致；官方站 supersoniclabs.ai 在本机链路 DNS 不可解析，故日期落在模型卡与仓库时间戳。MarkTechPost 9/26 报道为媒体稿，日期以模型卡为准。厂商官网与自建基准数字均为自述，未见第三方复现。
← 上一篇美国最大医保协会：医院 AI 编码两年多推高支出 9.42 亿美元，治疗量却没同步上升下一篇 →印度 Sarvam 发 Sarvam Vision 2.1：文档智能推上帕累托前沿，olmOCR-Bench 与 OmniDocBench 双双 SOTA，推理栈重写后价格低于发布时