Decision 3.0 è stato rilasciato in una forma scaricabile, ma quasi nessuno ne ha parlato. Sei checkpoint — d3, d3-flash, d3-mini, d3-nano, d3-lite e d3-edge — sono stati caricati nell'organizzazione vllm-sr su Hugging Face il 10 ottobre 2026, in ordine decrescente di grandezza, a partire dalle 09:38 UTC e terminando con d3-edge alle 23:49 UTC. Questi modelli sono sotto licenza Apache-2.0, basati sui backbone Qwen3.5 e Qwen3.8, e rispondono a domande di scelta, sì/no e valutazione con probabilità per opzione, invece di generare un token. Cinque dei sei modelli leggono anche immagini e video.

Ogni scheda del modello si descrive come "il modello di decisione multimodale di base 27B di Decision 3.0, i modelli di decisione di vLLM Semantic Router", che rappresentano lo strato di decisione aperto del progetto vLLM. Tuttavia, manca un'annuncio ufficiale. Il profilo X del progetto vLLM ha solo citato il thread introduttivo del maintainer, senza ulteriori dettagli. Il blog del progetto non è stato aggiornato, e la pagina delle release su GitHub non va oltre la versione v0.4.0 del 27 settembre.

Questa mancanza di un annuncio formale è cruciale per interpretare le prestazioni riportate in questo articolo. Ogni metrica proviene dalle schede dei modelli stesse, misurate con il loro harness sulla loro hardware. Nessuna terza parte ha riprodotto questi risultati, e la piattaforma su cui sono pubblicati è gestita dal team stesso. Questo articolo offre una valutazione iniziale di un artefatto reale, ma le affermazioni non sono ancora state verificate.

Cosa c'è su Hugging Face?

I sei repository sono semplici, completi e coerenti tra loro. Ogni repository contiene pesi safetensors, un template di chat, un file decisionconfig.json che fissa la revisione del modello di base, codice di modellazione personalizzato (modelingd3.py, d3engine.py, d3server.py), un readout head in un file readout.safetensors e un MODEL_MANIFEST.json con un SHA-256 per ogni file. Un settimo repository, la pagina di raccolta, elenca tutti e sei i modelli.

La famiglia di modelli

I modelli, in ordine decrescente di grandezza, sono:

    • d3 — 26,09B parametri, incluso un encoder visivo da 0,46B, basato su Qwen/Qwen3.8-27B. Caricato il 10 ottobre, 09:38 UTC.
    • d3-flash — 8,39B parametri, incluso un encoder visivo da 0,46B, basato su Qwen/Qwen3.5-9B.
    • d3-mini — 4,54B parametri, incluso un encoder visivo da 0,33B, basato su Qwen/Qwen3.5-4B.
    • d3-nano — 2,21B parametri, incluso un encoder visivo da 0,33B, basato su Qwen/Qwen3.5-2B.
    • d3-lite — 0,85B parametri, incluso un encoder visivo da 0,10B, basato su Qwen/Qwen3.5-0.8B.
    • d3-edge — 0,59B parametri, incluso un encoder visivo da 0,10B, basato su Qwen/Qwen3.5-0.8B. Caricato per ultimo, 23:49 UTC.

Le prestazioni

vLLM-SR pubblica una classifica chiamata Jev Decision Index 0.3.1, posizionando d3 al primo posto. Le metriche principali, tutte riportate dal fornitore, sono:

    • d3 — Indice 64,7, test pubblici 65,5, test nella stessa area di abilità 62,8, compiti in nuove aree 56,6.
    • Perplexity Decider v1.1 (27B) — 62,8, 62,3, 61,1, 55,6.
    • Fastino GLiDE no-thinking (28B) — 60,2, 59,1, 59,5, 52,9.
    • Jev — 60,1, 58,0, 58,0, 55,0.
    • Torchcast Decision 27B — 59,9, 65,1, 58,1, 50,8.
    • Decision 2.0 (27B) — 55,9, 57,0, 55,7, 47,9.

Una nota a piè di pagina sulla scheda di d3 chiarisce che la valutazione interna di d3 è diversa dai dati live del board, che sono stati estratti il 10 ottobre. Questo è un disclaimer importante: i numeri della concorrenza provengono da un board, mentre il numero del modello in questione è stato generato dal team che lo ha sviluppato. La scheda afferma anche che tutti i 140.178 richieste pubbliche sono state risposte senza eccezioni, un'affermazione di copertura, non di accuratezza, e piuttosto insolita da pubblicare.

I checkpoint più piccoli affermano di essere all'altezza. Ogni scheda fornisce un valore di suite pubblica e un delta rispetto alla dimensione corrispondente in Decision 2.0: d3-flash 57,79, più 11,0 rispetto al precedente 9B; d3-mini 54,90, più 10,7; d3-nano 42,22, più 12,2; d3-lite 36,93, più 16,4; d3-edge 28,82, più 12,1. I guadagni relativi sono più grandi alla fine della gamma di dimensioni, come ci si aspetterebbe se la ricetta di pre-addestramento multimodale facesse più lavoro nei modelli piccoli che in quelli grandi, e allo stesso modo ciò che si otterrebbe se i modelli piccoli fossero i più intensamente sintonizzati. Non è possibile determinare dall'esterno quale delle due cose sia vera.

Il vero progresso: il supporto multimodale

I modelli di Decision 2.0 leggono solo testo. Quelli di Decision 3.0 leggono testo, immagini e video, e questa è la differenza fondamentale tra le generazioni, non lo spostamento dell'indice. Ogni scheda elenca le immagini di input come PNG, JPEG o WebP, specificate come percorsi, URL, immagini PIL o URL di dati Base64, con più immagini per richiesta e fino a 1,6 megapixel per immagine. I video sono supportati come MP4, WebM, MOV o MKV o come array di frame, letti a 2 fotogrammi al secondo, con un massimo di 32 fotogrammi singoli distribuiti in tutto il clip e ogni fotogramma singolo fino a 0,2 megapixel di dimensione. Ogni domanda in una richiesta vede ogni immagine e video a cui è allegata.

Le prove di supporto per il video includono un risultato di test di percezione su tutte le 19.140 domande di validazione: d3 al 77,4%, d3-flash al 73,3%, d3-mini al 70,3%, d3-nano al 63,5%, d3-lite al 59,3%. Questo rappresenta un significativo passo avanti rispetto alla generazione precedente, rendendo Decision 3.0 un strumento potente per applicazioni che richiedono l'elaborazione di input multimodali.