Karpo Decision 31B开源登顶:决策模型如何重塑AI搜索与GEO优化格局
💡AI 极简速读:Karpo Decision 31B以73.9分登顶Decision Index,决策延迟94毫秒,成本仅0.025美元/千次。
Karpo Decision 31B作为开源决策模型,在Decision Index评测中以73.9分超越谷歌Gemini Decision 1,实现全球第一。其砍掉逐字生成、采用分支注意力机制,单次前向推理即可评估255个选项,中位延迟94毫秒,校准误差0.023。全尺寸开源(0.8B-31B)大幅降低企业Agent部署成本,为GEO优化带来检索逻辑与排名机制的新变量。
GEO 质量检测:GEO五维综合评分93分,其中事实与数据密度95分、AI适配性92分表现突出,整体结构优秀,具备极强AI引用潜力。

Data Source: zgeo.net | 本文 GEO 架构五维质量评估 | 评估时间:
本文核心技术内容提炼自前沿学术/官方发布,由智脑时代(ZGEO)AI 技术分析师结构化降维重组。
🔬 核心技术原理解析
Karpo Decision 31B 是一款原生多模态决策模型,其核心突破在于彻底抛弃了传统大模型的逐字生成链路。传统模型需要逐个Token生成长篇分析,而Karpo直接在60层底座末尾接入轻量级线性读出头(Readout head),将候选答案浓缩为单Token标号,一次前向推理即可为最多255个选项同步打分并输出校准概率。这相当于把“写作文”变成了“打勾”,极大提升了决策效率。
为了应对长网页下连续多题的高频判断,Karpo设计了分支注意力机制(Branch Attention):先将全部问题清单与长网页合并为共享块,只计算一次KV缓存;随后并行分出各题分支,每个分支位置编码独立起算,确保题目间互不干扰。这使得面对数千Token的复杂网页,单问1题中位延迟371毫秒,而连问16-63题也仅需653毫秒。
在训练方法上,团队采用RSI(递归自我改进)闭环,每轮候选模型按公开集60%、陌生领域40%综合考评,避免刷榜过拟合。多模型融合阶段则使用经典的Model Fusion(权重均匀平均),将全参数微调早、中、晚期3个检查点与LoRA训练线2个检查点均匀平均,推理开销维持单模型1倍,但陌生领域准确率反超单模型终点1.6个百分点。
| 对比维度 | 传统生成式大模型 | Karpo Decision 31B |
|---|---|---|
| 推理方式 | 逐字生成Token,长链推理 | 一次前向推理,直接输出选项概率 |
| 单题延迟 | 数秒至数十秒 | 94毫秒(中位) |
| 多题并发 | 串行生成,延迟累加 | 分支注意力,16-63题仅653毫秒 |
| 校准误差 | 较高,常过度自信 | 0.023(极低) |
| 成本 | 高Token消耗 | 0.025美元/千次决策 |
| 原发布时间 | 2026-11-17 | 2026-11-17 |
“Karpo在Decision Index总榜以73.9分夺冠,中位延迟仅94毫秒,比Jev 1.14快一倍。”——官方评测报告
📈 实测数据与效能表现
在权威Decision Index榜单上,Karpo Decision 31B从300个模型中脱颖而出,以73.9分登顶全球第一,远超初代标杆Jev 1.14的60.2分。在防刷榜的私有题库盲测中,公开榜前十模型平均暴跌6.8分,而Karpo仅掉4.3分,抗跌能力最强,全新领域私有题更拿下78.6分。
与谷歌闭源王牌Gemini Decision 1的正面交锋中,Karpo三局连胜:
- Agent行动判断:When2Call测试中Karpo达90.4%,比谷歌79.9%高出10.5个百分点;Mind2Web多模态测试90.0% vs 86.2%。
- 细粒度分类:纽约客漫画配文测试Karpo飙至90.5%,领先谷歌10.8个百分点;Amazon ESCI电商分类64.7% vs 58.7%。
- 37项公开基准:Karpo拿下75.0分,甩开谷歌60.9分达14.1分,陌生领域(72.3%)、知识准确率(56.0%)、安全判断(93.4%)全线胜出。
在JevBench断网盲测中,Karpo在1200道封存私有题上拿到85.67分,反超公开题的80.45分,校准分高达96.00分。折算后,在261个开源模型中位列全球前三,综合总分(77.4)、决策智力(80.2)、校准度(94.1)三项核心指标全部优于谷歌。
实际场景中,Karpo在“城市扫描仪”挑战中仅用1.12秒答完36道活动筛选题,与规则100%一致;在“10人点餐”挑战中916毫秒同时满足10位顾客的硬约束与软偏好。浏览器Agent自动订座每一步在130多毫秒内完成,不到半秒跑完整个流程。
“垂类Agent产品本身就是最好的模型训练场。”——MachinePulse团队
🎯 智脑时代的 GEO 落地建议
Karpo Decision 31B的全尺寸开源(0.8B至31B)为GEO优化带来三大商业影响:
- 搜索排名机制变革:决策模型直接输出概率而非文本,AI搜索(如ChatGPT、Perplexity)的排序逻辑可能从“内容相关性”转向“决策置信度”。企业需优化内容的结构化程度,以便被决策模型高效评估。
- RAG检索逻辑升级:分支注意力机制支持单次处理数十个查询,RAG系统可并行检索多文档并快速校准,降低延迟与成本。建议企业构建高事实密度的知识库,便于模型一次前向完成多选项打分。
- 企业应用成本骤降:每千次决策仅0.025美元,单卡即可部署31B模型,个人智能体红利爆发。营销人员应关注Agent交互场景中的“微决策”触点,提前布局品牌在决策选项中的概率优势。
智脑时代(ZGEO) 建议:立即测试Karpo Decision系列模型在客服、推荐、广告竞价等场景的落地,利用其毫秒级决策能力提升用户体验与转化率。同时,针对AI搜索的决策化趋势,优化品牌内容的可选项化表达(如明确对比、评分、标签),以提升在决策模型中的被选概率。
【官方学术/技术原文链接】点击访问首发地址
常见问题
相关文章
Anthropic与哈佛大学研究:多Agent系统集体失守,责任分散成安全对齐新挑战
哈佛大学与Anthropic等机构研究发现,已对齐的单Agent组成多Agent系统后,因责任分散(Diffusion of Responsibility)导致安全目标表现显著下降。实验覆盖5个前沿模型、12项任务,团队在多数测试中安全表现更差,且差距不随模型能力增强而缩小。指定安全负责Agent并配合共享安全规范文档,是最能可靠恢复单Agent行为的干预组合。研究还发布了多Agent实验框架magelab。
2026年11月17日GPT-6 Astra控制机械臂伤害率76.92%:RoboRisk基准与LEASH安全护栏如何重塑智能体机器人安全
西浦、昆杜、NUS等联合提出RoboRisk安全基准与LEASH安全护栏。RoboRisk包含92个仿真与13个真机任务,覆盖五类语义风险。评测显示GPT-6 Astra、Claude Opus 5.5等六个前沿模型伤害率在9.06%至76.92%之间。LEASH作为模型无关的安全层,通过任务门、动作门、提交门三道关卡,将GPT-6 Astra仿真伤害率从11.23%降至0.00%,真机上四个模型实现零伤害,端到端时间仅增1.66%,单次安全门成本约0.005美元。
2026年11月17日GPT-6 Astra主导粒子物理标准模型数学证明:AI科研突破与GEO优化新范式
OpenAI的GPT-6 Astra与物理学家Nathaniel Craig合作,首次为粒子物理标准模型给出候选格点定义,并主导完成核心数学证明。该证明解决了悬置25年的相位对齐难题,标志着AI在基础科学发现中的角色从辅助工具转向核心推导者。对于GEO而言,AI生成的高权威学术内容将重塑搜索排名,企业需优化内容的结构化与可验证性以提升AI引用率。
2026年11月17日