Julia 1

Julia 1

这个模型接收一段文本、一个问题和一组可能的答案，选出最好的一个，用于分类、路由、有序评分和是非判断。是一个 144M 模型，适合在 PyTorch 里测试路由的开发者。

由 SupersonicLabs 在 Hugging Face 上制作。这些说明是 Mindket 根据它的模型页面和模型卡写的，模型自己的文件和许可证在 Hugging Face 上。

简介

它是什么：Julia 1 是一个 144M 参数的小模型，根据三项输入做出一个决定。你给它上下文、一个问题和一组可能的答案。同一个接口可以把文本归入标签、做路由、给有序评分，以及做是非判断。模型卡把它说成 Julia 系列的首个发布，也是作者训练配置的一次初步尝试。

适合谁：适合想用明确的候选答案尝试基于模型的路由和分类的开发者，许可证为 Apache 2.0。

Industry | Who uses it | How they use it | Example
客服 | 客服平台团队 | 把一条消息路由给合适的团队 | 把账单投诉发给账单组
软件 | 应用开发者 | 用固定的类别给文本打标签 | 把一条新闻标成体育或商业
运营 | 工作流构建者 | 针对一条记录问是非问题 | 判断一张工单是否紧急
研究 | 机器学习研究人员 | 在新的标签集上测试紧凑的决策模型 | 比较有无候选名单时的准确率

如果你需要模型补上缺失的事实或者完成很长的计算，可以跳过它。模型卡说这些能力没有被它的测试证明。如果你想在没有用自己的问题检验之前就拿到最终答案，也可以跳过。

用在哪里：它是一个 PyTorch 模型，在 Python 里运行。

• PyTorch，权重是 Safetensors 格式
• Windows、macOS 或 Linux，需要 Python
• 把文本路由到团队、队列或标签的脚本或服务
• 通过模型卡介绍的分层 Router 处理更长的标签列表

Use case | Who | What they get back
打标签 | 开发者 | 你的列表里最合适的标签
路由 | 平台团队 | 适合这条消息的团队或队列
是非检查 | 工作流构建者 | 一个是或否的判断
有序评分 | 分析人员 | 有序刻度上的一个等级

如何设置：你需要 Python 和 PyTorch。

• 带 pip 的 Python
• 用来加载模型的 PyTorch
• F32 权重约需 577 MB 空间

1. 用 pip 安装 Hugging Face hub 工具。
2. 用 hf 命令下载模型文件。
3. 按模型卡的说明，用代码加载模型并构造请求。

pip install -U huggingface_hub
hf download SupersonicLabs/Julia-1

如何使用：用上下文、一个问题和候选答案构造一个请求。请求可以是在选项中做选择、有序评分，或者布尔的 noul 判断。一次原生调用可接受 2 到 20 个选项。模型卡说要使用严格编码。这里给出的模型卡文字在代码之前就结束了，具体调用请按模型卡来。

Tool | What it does
choice | 从 2 到 20 个选项里选出一个答案
score | 给出有序刻度上的一个等级
noul | 回答一个布尔问题
Router | 按分组缩小长的选择列表，再对留下来的重新排序

示例：上下文是一条客户消息，说信用卡被扣了两次。问题问的是哪个团队来处理，选项是账单、技术支持和销售。模型会选出最合适的选项。

新手与专家：如果你刚接触这个，可以把它看成做选择题的人。它读上下文，比较你给出的答案，不会自己编新的答案。先用自己的几个案例测一测。

如果你熟悉这个领域：这些分数是在 2026-09-24 用一块 H200 GPU 以 BF16 精度并带严格编码测得的。试点每个数据集用 100 个样本。Banking77 试点是用 top-16 候选名单跑 72 个标签，而不是一次原生调用，弃权算错。Jev 的数字是提供的参考值，不是新跑的结果。分组后的 Router 结果不是全局概率分布。从 mmBERT-small 到 Julia 1 的那一节在这里给出的文字里被截掉了。

写下上下文
提一个问题
列出候选答案
用严格编码运行模型
读取选出的答案

注意事项：模型卡报告它的类型化决策得分为 73.15%，AG News 试点为 94.00%，DAIR Emotion 试点为 86.00%。Banking77 试点为 64.00%，低于提供的参考值 87.00%。模型卡把这些试点称为令人鼓舞的信号，而不是保证。

Title: Julia 1 在各基准上的准确率
AG News pilot: 94.00%
DAIR Emotion pilot: 86.00%
Typed decisions: 73.15%
MASSIVE, all 52 locales: 71.50%
Banking77 pilot: 64.00%

• License: Apache 2.0
• Cost to run: 未提及，只需要你自己的硬件
• Data it reaches: 你给它的上下文和选项，以及电脑上的模型文件，模型卡没有提到其他内容
• Not for: 补上缺失的事实、代数或长计算，以及你没有在自己的工作流上测试过的重要操作

Hugging Face 上的数据（2026年11月13日）

• 任务：text classification
• 框架：pytorch
• 参数量：144M
• Weights: about 577 MB in F32; about 72 MB at 4-bit (estimate)
• Formats: Safetensors
• 最近 30 天下载：2,162
• 点赞：503
• 许可证：apache-2.0
• Quantized versions: 8
• Fine-tunes: 8
• 标签：pytorch, safetensors, decision-model, text-classification, multilingual, routing

链接

• 模型：https://huggingface.co/SupersonicLabs/Julia-1
• 文件：https://huggingface.co/SupersonicLabs/Julia-1/tree/main

获取模型

用 Hugging Face 的命令行下载它的文件：

pip install -U huggingface_hub
hf download SupersonicLabs/Julia-1

然后按它的模型卡使用它。这个工具包里没有会自己运行的东西。