在人工智能领域，生成答案已成为基本能力，而推演现实更是一个复杂的挑战。真实的决策并非简单的问答，而是在一个不断变化且充满不确定性的环境中进行的，这里涉及多个主体的相互作用和信息的不完整性。例如，当一个新开源模型压低成本时，其他领先模型公司是否会选择随之而降，云服务商、开发者和应用公司又会如何应对？这样的决策过程一旦开始，参与方的行动将影响其他方接下来所面临的条件，进而不断改变游戏规则。
在这种背景下，中科闻歌决策机Decitron的发布，引起了多家科技媒体的关注，称其为“全球首个通用决策模型”。这一称号不仅代表了世界模型、多智能体和博弈求解等单一技术的首次整合，更在于决策机将这些能力整合入一个开放世界的决策框架中，从而形成一个持续建模、推演、求解与校准的闭环系统。所谓“通用”，是指该模型试图将各个领域的复杂决策问题抽象为一个共同结构：包括世界状态、参与者、行动空间、约束关系以及多轮互动与不确定结果，并在统一的框架内进行持续的推演和求解。
8月3日，Decitron发布了完整的技术报告，首次系统性地介绍了其三个核心技术贡献：首先，提出名为MetaWorld的显式世界模型，将来自多源的信息整理为结构化和可计算的世界状态及其因果关系模型；其次，采用SAO形式化表示，将复杂决策转化为可计算的表达和推理形式；最后，构建了融合多智能体模拟、博弈推理与形式化优化的混合推理架构AutoABM，能够基于多智能体决策推演系统解决博弈均衡与策略规划等复杂问题。三者共同构成决策机的技术基础，旨在将AI系统的单次判断转变为一个随着世界变化而持续更新的计算与推演过程。 龙8头号玩家国际
要让AI参与现实中的决策，需要怎样的架构？围绕“决策推演”，AI需要的关键能力（如世界模型、多智能体、博弈推理和概率预测）虽然逐渐建成，但真正的难点在于：当AI从封闭任务走向开放现实世界，这些能力必须围绕一个不断更新的世界状态协同工作，而不仅仅是在一次任务中独立分析。
首先来看世界模型。当提到世界模型时，人们往往联想到主要面向视觉和物理环境的模型。而决策机的MetaWorld更关注复杂的决策场景如经济、政策等开放系统，涉及的主体、变量和约束关系更为复杂。MetaWorld是世界模型对社会系统的延伸，需应对规则差异、因果关系的互相影响及不确定性等难题。这带来了一个直接问题：如果对当前世界的判断有误，未来的推演是否会同样偏差？
进入社会系统后，光维护环境状态是不够的，AI还需判断其他参与者的行动。已有模型如Meta和北大的Richelle展示了多个代理在有限信息下的互动与博弈能力；而在真实的开放世界决策中，在模拟各方行动后，AI还需要评价策略的可行性、博弈可能落在何种均衡，以及不同未来出现的条件。 龙8头号玩家国际
决策机的意义在于其混合推理架构AutoABM将大型语言模型的语义理解、SAO结构化表示、多智能体建模与仿真、策略推理与优化相结合，形成“理解世界—模拟推演—解决决策—评估未来”的完整链条。
以“未来半年某场复杂贸易冲突可能如何演化？”为例，决策机将如何从现实信息出发，逐步建立当前的世界状态、模拟各方行动、推演可能的未来路径，以及这些路径产生的条件。
首先，决策机会把用户问题转化为一个结构化任务，明确要回答的内容、涉及的主体、观察时间以及约束条件。对于案例中的冲突，系统会锁定主要参与方、时间范围及当前焦点，梳理可能影响局势变化的因素，并从不同信息源收集数据，处理信息后形成事件时间线和细分证据单元。通过Evidence Quality Score（EQS）逐条评估数据的可靠性，确保推演的准确性。 龙8头号玩家国际
