Decision 3.0 su Hugging Face: modelli decisionali multimodali open

Decision 3.0 esiste in una forma che puoi scaricare subito, e quasi nessuno l'ha messo per iscritto. Sei checkpoint — d3, d3-flash, d3-mini, d3-nano, d3-lite e d3-edge — sono approdati nell'organizzazione vllm-su su Hugging Face il 10 ottobre 2026, dal più recente al più vecchio a partire dalle 09:38 UTC e terminando con d3-edge alle 23:49 UTC. Sono sotto licenza Apache-2.0, sono costruiti su backbone Qwen3.5 e Qwen3.8, rispondono a domande a scelta, sì/no e con punteggio con una probabilità per opzione invece di generare un token, e cinque dei sei ora leggono immagini e video. Ogni model card si descrive come "the 27B multimodal foundation decision model of Decision 3.0, the decision models of vLLM Semantic Router", ovvero il layer decisionale aperto del progetto vLLM.

Quello che manca è l'annuncio. L'account X del progetto vLLM si è congratulato con il team vLLM-SR per il rilascio dell'11 ottobre, citando il thread introduttivo del maintainer stesso — questo è l'intero resoconto pubblico. L'indice del blog del progetto termina ancora il 10 ottobre con un post sui modelli decisionali di routing, non su questi. La pagina delle release su GitHub per vllm-project/semantic-router si ferma ancora alla v0.4.0 del 27 settembre. I pesi sono stati rilasciati; la nota di lancio no.

Questa distinzione è importante per come interpreti tutto ciò che segue. Ogni dato sulle prestazioni in questo articolo proviene dalle model card di vLLM-SR, misurate con il loro harness sul loro hardware. Nulla di quanto presentato qui è stato riprodotto da terzi, e la classifica su cui pubblicano è gestita da loro. Questa è una lettura precoce e onesta di un artefatto che è reale e di un'affermazione che non è ancora stata sottoposta ad audit.

Cosa c'è davvero su Hugging Face

I sei repository sono semplici, completi e coerenti tra loro. Ognuno contiene pesi safetensors, un template di chat, un decisionconfig.json che fissa la revisione del modello base, codice di modellazione personalizzato (modelingd3.py, d3engine.py, d3server.py), una testa di lettura nel proprio readout.safetensors, e un MODEL_MANIFEST.json con un SHA-256 per file. Un settimo repository, la pagina della collezione, elenca tutti e sei.

La famiglia, nell'ordine in cui cadono le taglie:

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

Tutti e sei hanno lo stesso contratto di richiesta: uno stato (testo o JSON, opzionalmente con immagini e video) più un dizionario di domande denominate, e una risposta di distribuzioni di probabilità tipizzate. Esistono tre tipi di domande — Choice, Noul (sì/no), Score — e il modello risponde a tutte in una sola chiamata eseguendo un forward pass per domanda sullo stesso input, senza alcun ciclo di decodifica.

I numeri, e di chi sono

vLLM-SR pubblica una classifica che chiama Jev Decision Index 0.3.1 e vi mette d3 in cima. Le righe principali, tutte dichiarate dai fornitori:

• d3 — Indice 64,7, suite pubblica 65,5, test sulle stesse competenze 62,8, attività su nuovi domini 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), la generazione precedente — 55.9, 57.0, 55.7, 47.9.

Una nota a piè di pagina sulla card di d3 afferma chiaramente che la riga di d3 stessa è una valutazione interna, mentre le righe di confronto sono dati live della board letti il 10 ottobre. È la giusta informazione da rendere nota e vale la pena leggerla due volte: i numeri dei concorrenti sono stati presi da una board, e il numero del soggetto è stato prodotto dal team che ha costruito il modello. La card sostiene anche che tutte le 140.178 richieste pubbliche hanno ricevuto risposta, nessuna senza supporto — un'affermazione di copertura, non di accuratezza, e insolita da pubblicare.

I checkpoint più piccoli dichiarano di procedere all'unisono. Ogni scheda fornisce un valore per la suite pubblica e un delta rispetto alla dimensione equivalente in Decision 2.0: d3-flash 57,79, in aumento di 11,0 rispetto al precedente 9B; d3-mini 54,90, in aumento di 10,7; d3-nano 42,22, in aumento di 12,2; d3-lite 36,93, in aumento di 16,4; d3-edge 28,82, in aumento di 12,1. I guadagni relativi sono maggiori in fondo all'intervallo, che è ciò che ci si aspetterebbe se la ricetta di pretraining multimodale stesse facendo più lavoro per i modelli piccoli che per quelli grandi — e anche ciò che si otterrebbe facendo il tuning più intenso sui modelli piccoli. Non c'è modo di capire quale delle due sia il caso dall'esterno.

La parte multimodale è il vero cambiamento

I modelli di Decision 2.0 leggono testo. Quelli di Decision 3.0 leggono testo, immagini e video, e questa è la differenza sostanziale tra le generazioni — non lo spostamento dell'indice. Ogni scheda elenca l'input immagine come PNG, JPEG o WebP, fornito come percorsi, URL, immagini PIL o URL di dati base64, con più input per richiesta fino a 1,6 megapixel ciascuno; e il video come MP4, WebM, MOV o MKV, oppure come array di fotogrammi, letto a 2 fotogrammi al secondo con al massimo 32 fotogrammi distribuiti sull'intera clip e ciascun fotogramma fino a 0,2 megapixel. Ogni domanda in una richiesta vede ogni immagine e ogni video a essa allegati.

L'evidenza a supporto per il video è un risultato del Perception Test su tutte le 19.140 domande di validazione: d3 a 77,4, d3-flash 73,3, d3-mini 70,3, d3-nano 63,5, d3-lite 59,3, d3-edge 46,6, rispetto a una soglia di casualità documentata di 33,3 sulle domande a tre opzioni. vLLM-SR lo etichetta come valutazione interna. d3 presenta anche una vision board che la colloca a 71,6 nel complesso, davanti a Perplexity Decider v1.1 a 70,6 e a JEV-27B-VL a 69,6, con le righe di confronto ancora tratte dai dati della board anziché eseguite dagli autori.