Event ·Single source

MachinePulse 基于 Gemma 4 微调出 Karpo Decision 31B,多项基准超过 Gemini Decision 1

MachinePulse 将 Google 开源的 Gemma 4 微调为 31B 参数的 Karpo Decision 31B,专攻智能体执行过程中的小型决策:是否调用工具、是否先询问用户、点击页面哪个元素。在 When2Call 基准上,Karpo Decision 31B 得分 90.4%,Gemini Decision 1 为 79.9%;Mind2Web 基准上则是 90.0% 对 86.2%。 该模型在 Decision Index 排行榜上排名第一,该榜单覆盖 300 个模型并使用私有测试集评分,同时 Karpo Decision 31B 在单张 GPU 上的中位延迟为 95 ms。技术路线是拿开源权重做领域微调,而不是从头训练,成本和部署门槛都更低。 对开发者而言,智能体的判断层不再必须依赖闭源 API,权重可以下载后自行部署。与调用 Gemini Decision 1 相比,自托管方案在延迟和成本上更可控,适合对数据隐私和响应速度有要求的智能体项目。

Current read

MachinePulse 拿开源的 Gemma 4 微调出 31B 小模型,When2Call 得分 90.4%,反超 Google 自家 Gemini Decision 1 的 79.9%。单卡 95ms 延迟,权重开放可自部署。做智能体的开发者该看看,工具调用判断层可以不用闭源 API 了。

2 sources68° AI heatLast updated 2026/11/18 22:30:01

Evidence

2 sources
Primary sourcekimmonismus
View source
Related source 1arXiv cs.AI
View source

Conflict check

Dedup data only shows that these sources discuss the same event, not that they agree. There is no structured supporting or refuting evidence yet, so no conflict is inferred automatically.