Decision 3.0 발표: 0.6B에서 27B까지의 오픈 멀티모달 의사결정 모델, Jev Decision Index 1위 달성
Decision 3.0: open, multimodal decision models from 0.6B to 27B. Ranks #1 on both Jev Decision Index boards
핵심 요약
텍스트, 이미지, 비디오를 처리하는 고성능 오픈소스 의사결정 모델 Decision 3.0이 공개되었습니다.
- 모델 라인업 — 0.6B부터 27B까지 다양한 크기의 Qwen3.5 기반 모델로 구성됨
- 멀티모달 지원 — 텍스트뿐만 아니라 이미지와 비디오 입력까지 처리 가능함
- 성능 우위 — Jev Decision Index에서 텍스트 및 비전 부문 1위를 차지함
- 효율적 설계 — 텍스트 생성 없이 선택, 예/아니오, 점수 산출에 특화됨
vLLM Semantic Router 팀이랑 같이 **Decision 3.0 (d3)**을 출시했다. 0.6B부터 27B까지 있는 새로운 SOTA 결정 모델 시리즈고, Apache-2.0 라이선스에 텍스트, 이미지, 비디오 전부 다 읽을 수 있음.
작동 방식
- Qwen3.5(0.8B / 2B / 4B / 9B)랑 Qwen3.8-27B 기반으로 만들었음. 파라미터 수에는 비전 인코더가 포함돼 있는데, 4B 모델엔 0.33B, 27B 모델엔 0.46B가 들어감.
- 결정 유형은 choice(선택), yes/no(예/아니오), score(점수) 세 가지임. 텍스트 생성 없이 모든 답변에 대한 확률값만 딱 뱉어냄. 같은 입력값에 대해 질문 여러 개를 한 번에 던져도, 각각 포워드 패스를 돌려서 처리함.
- 이미지: 요청당 여러 장 가능하고, 최대 1.6 MP까지 읽음.
- 비디오: 요청당 여러 개 가능(MP4, WebM, MOV, MKV). 2 fps로 샘플링하고, 전체 클립에서 최대 32프레임까지, 프레임당 최대 0.2 MP로 처리함.
- BF16 가중치고, Transformers로 로드하면 됨(trust_remote_code=True). AMD Instinct MI325X에서 학습시켰음.
결과 (우리 자체 평가, 공개된 가중치로 공식 Jev 0.3 키트 사용)
- 양쪽 보드 전부 1등 찍음: 27B 모델이 텍스트 64.7, 비전 71.6 점수로 리스트에 있는 모든 모델(Jev 자체 모델 포함)을 다 발라버림.
- 사이즈별로도 다 1등임: 0.6B, 0.8B, 4B, 9B 전부 자기 체급에서 대장 먹음. 특히 9B(d3-flash)는 우리 이전 세대 27B(Decision 2.0)보다도 성능이 좋음.
- 비디오 제로샷: 학습할 때 비디오를 아예 본 적 없는 모델들임. Perception Test 검증 질문 19,140개 전체에서 27B는 77.4점, 4B는 70.3점을 기록함.
HF 컬렉션: https://huggingface.co/collections/vllm-sr/decision-30
