Shanghai AI Lab lança modelos Intern-Decision de pesos abertos

O Shanghai Artificial Intelligence Laboratory (Shanghai AI Lab) anunciou o lançamento do Intern-Decision, uma família de modelos compactos de decisão com pesos abertos disponibilizados em três tamanhos: 0,8 bilhão, 2 bilhões e 4 bilhões de parâmetros. Em vez de produzir passagens longas de texto, os sistemas foram projetados para retornar julgamentos estruturados diretamente, acompanhados de probabilidades para cada resposta possível.

A estrutura suporta três tipos de perguntas: escolhas em listas predefinidas com atribuição de probabilidade, notas em escalas definidas pelo usuário e questões binárias do tipo sim ou não. Segundo a equipe responsável, uma única requisição pode agrupar várias perguntas tipadas sobre o mesmo estado, respondidas em uma única passada direta. Os pesos dos modelos foram publicados na plataforma Hugging Face.

Integração visual e arquitetura

O desenvolvimento ajustou a base de linguagem do Qwen3.5, mantendo congeladas a torre de visão e o projetor. Essa arquitetura permite que os modelos recebam imagens como parte da entrada, integrando a percepção visual diretamente na etapa de tomada de decisão. Demonstrações práticas incluíram a leitura de quadros brutos de jogos — como mapas em grade bidimensional e fases de rolagem lateral — para que o modelo escolha ações de forma autônoma, além de testes com o uso de mouse e navegação em navegadores.

Nos testes divulgados pelo laboratório, o modelo de 4 bilhões de parâmetros atingiu precisão média de 90,02% em sete conjuntos de testes que somam mais de 10.000 linhas, superando a referência comercial Jev. O repositório do projeto também reportou latência média local de cerca de 44 milissegundos em uma única placa gráfica de uso geral RTX 4090, embora os desenvolvedores observem que os protocolos de avaliação e o escopo variam entre os modelos.

Suporte de hardware e ecossistema

A fabricante doméstica de unidades de processamento gráfico MetaX informou que concluiu a adaptação Day-0, permitindo que o Intern-Decision seja executado em seu hardware desde a estreia. O pacote de lançamento disponibilizado pelo laboratório inclui código de treinamento, dois backends de inferência, ferramentas de pontuação de benchmark, predefinições de calibração de temperatura e uma demonstração para navegadores, enquanto dados de treinamento e registros de validação privada não foram incluídos.