小红书发布开源大模型dots3-note preview,采用MoE架构总参数量280B每次激活16B,支持512K上下文和多模态输入。官方跑分在ARC-AGI和搜索测试中多项超越DeepSeek-V4-Flash,但社区实测显示输出不稳定且代码生成效果一般。模型权重已上架Hugging Face,本地部署需8卡H100等高性能资源,适合有技术条件的开发者提前尝鲜。
Tags:早上刷 Hugging Face 的时候,发现一个特别离谱的事。
小红书自研的大语言模型今天发布了,而且还开源,免费。
根据官方公布的跑分结果,这款 16B 参数的模型,在抽象能力推理和深度搜索能力上,直接超越了 DeepSeek-V4-Flash。
不知道大家看到这条消息什么感觉,我反正是头顶缓缓冒出三个问号。
难道现在做内容平台,不顺手搞个大模型都不好意思了?
这波属实有点跨界,但又好像没那么意外。
大语言模型这桌现在是越来越挤了。想做的人太多,稍不留神就会冒出一个新玩家。
由于目前公开的资料还不算多,我花了点时间研究了一下这个模型,接下来就展开聊聊。
一、离谱的跑分结果
模型在正式发布之前,对外透露的消息并不多。
唯一一次比较高调的亮相,是以内部版本参加 2026 年 IMO 评测,并拿下了 42 分满分。IMO 全称为“国际数学奥林匹克竞赛”,是面向世界顶级数学竞赛,对逻辑推理和严谨证明的要求极高。
这一届 IMO,只有 7 位人类选手拿到了满分。
当时,小红书就透露 dots3 将包含 note、jazz 和 aria 三种不同规模的模型,其中 note 是最轻量的一档,并预告会向社区开放。
只是这则消息当时并未激起太大水花,受到的关注比较少。
今天最新发布的这款模型叫 dots3-note preview,是 dots3 系列首个开放权重的模型。这不是一款只服务于小红书业务的垂直模型,而是一款面向开放场景和多类型任务的通用模型。
注意后面还有一个“preview”,说明它目前只是预览版,完整技术报告还没有公布。
参数规模方面,dots3 并不是传统意义上的 16B 参数模型。
按照官方信息,dots3-note preview 采用的是 MoE混合专家架构,总参数量达到 280B,但每次运行只会激活其中的 16B 参数。简单理解,就是背后有一个规模很大的“专家团队”,每次只挑一部分出来干活。
除了参数规模,它还支持最高 512K 上下文,可以同时理解文本、图片、视频和音频,不过目前只能输出文本。
dots3-note preview 覆盖数学与逻辑推理、代码生成、工具调用、多步骤智能体工作流以及长上下文信息处理等任务。基本市面上主流大模型该有的能力,它都安排上了。
真正让这款模型引起我的关注,还是因为官方公布的这组跑分。
先看抽象推理。在 ARC-AGI-2 测试中,dots3-note preview 拿到了 81.4 分,超过 DeepSeek-V4-Flash-0731 的 61.4 分,也高于 Claude Opus 4.8 的 72.1 分,仅次于 GPT-5.5 的 85 分。
到了难度更高的 ARC-AGI-3,它拿到 32.1 分,同样超过 DeepSeek-V4-Flash-0731、GPT-5.5 和 Kimi K3,仅落后于 Claude Opus 4.8。
搜索能力也是它重点强调的方向。在 BrowseComp 和 VibeSearchBench 两项测试中,它分别拿到 83.3 分和 25.7 分,都超过了 DeepSeek-V4-Flash-0731。不过在 DeepSearchQA 上,它的成绩略低于 DeepSeek。
至于多模态部分,它在图表理解、视觉问答、音频理解和视频问答等项目上的成绩都排在前列。虽然没有包揽第一,但从官方给出的结果来看,整体能力比较均衡,没有特别明显的短板。
说实话,这些数字的视觉冲击力很强,但是其中有没有水分,有多少水分,就不得而知了。
毕竟现在的大模型跑分,里面可操作的空间很多。同一款模型换一套评测方式,最后得出的结论可能完全不一样。
二、实测有点傻
果然,跑分负责把期待值拉满,实测负责把人拉回现实。
从社区网友晒出的实测来看,dots3-note preview 目前最大的问题是输出质量不够稳定。
虽然快,但有点傻。
比如,有网友反馈,它面对一些并不复杂的问题也会答非所问,甚至在输出中突然冒出无关字符。
还有人调侃它“深度思考”只用了 0.1 秒,实际回答也确实没有表现出多少思考痕迹。
整体给人的感觉是,脑子似乎还没有完全跟上生成的速度。
代码能力的表现更加直观。有网友让它用 HTML、CSS 和 JavaScript 制作一个带动画效果的天气卡片,连续测试了四五遍,最后只有一次生成的页面能够正常打开,而且结果一言难尽:
换到经典的“鹈鹕骑自行车”测试,网友表示需要连续发送两次指令,模型才开始正常生成,虽然出图速度很快,但最终效果依然一言难尽。
多模态部分倒不是完全没有亮点。帖子里有网友上传了一张内容并不算直观的图片,dots3-note preview 居然准确识别出了其中的主体。
有人在体验后认为,它的识图能力尚可,可以拿来给 DeepSeek 这类模型补充视觉能力。
也有网友发现,它在写作方面反而带来了一些意外惊喜 ,生成的内容会显得更有人味。
整体很难评,emmm...只能说符合 preview 的定位吧,优点和缺点都很突出。
都免费了,还要什么自行车,只能这样哄哄自己了。
三、开源部署
开源方面,目前模型权重和建模代码已经上传至 Hugging Face 。
我粗略看了一下,从工程适配来看,官方已经给出了 Transformers、SGLang 和 vLLM 三套运行方案,可以部署成兼容 OpenAI API 的服务。
代码中还预留了思考模式开关和工具调用格式,开发者可以根据任务选择直接启用推理,也能把它接入智能体工作流。
它还支持 MTP 投机解码。按照官方说明,开启相关功能后,单个输出 token 的生成时间可以降低 50% 以上。
开放的不只是模型权重,也把长文本生成和在线服务需要的推理优化考虑进去了。
不过,本地部署门槛并不低。官方推荐使用单个 8 卡节点运行 FP8 版本,vLLM 示例更是直接使用了 8 张 H100。再加上目前 Transformers 和 SGLang 的适配代码仍处于合并阶段,现阶段它显然更适合有服务器资源的团队尝鲜。
Hugging Face:https://huggingface.co/dots-studio/dots.llm1.inst
四、小红书为什么要做大模型
如果把时间线拉长一点,会发现这次模型发布并不是一个孤立的动作,最近一段时间,小红书已经悄悄更新了不少 AI 功能。
最明显的就是 AI 助手“点点”。它可以根据小红书里的笔记帮你做旅行攻略、推荐商品、找餐厅,也能总结你转发过去的内容。最近的版本又加入了“攻略模式”,可以一次生成更完整的旅行、购物或者探店方案。
今年 6 月,小红书上线了 RED Skill。创作者可以把自己制作的 AI Skill 挂在笔记下方,其他用户看到后,可以直接复制口令并安装到支持的 Agent 产品中。
到了 7 月,小红书又开始内测 Vibe Coding 小工具,并升级 Builder Hub。开发者可以把用 AI 制作的网页、工具和互动应用挂载到笔记中,让用户直接体验或下载。
所以,小红书已经拥有成熟的内容生态、明确的用户需求和较强的分发入口,并不缺少模型真正落地的场景。
现在继续向下补齐底层模型能力,可以把内容、搜索、工具和智能体进一步连接起来,同时减少核心能力对外部模型的依赖。
至少从战略逻辑层面来说,这不是简单跟风做模型,而是小红书在补齐自身 AI 生态里非常关键的一环。
五、总结
AI 正在改变人们获取信息的方式。以前用户搜索一个问题,会自己浏览几十篇内容;现在越来越多人希望 AI 直接整理信息、给出结论。
对于内容平台来说,如果不掌握这一层能力,平台里的内容可能会成为别人的数据来源,用户入口却被其他 AI 产品拿走。
从战略上看,小红书需要掌握模型能力;从产品上看,dots3 仍需接受实际检验。
接下来值得观察的,是它能不能摆脱“跑分很强、实测很傻”的尴尬,让真实使用体验逐渐追上纸面成绩。
有条件的可以去蹬一下,反正免费。至于好不好用,建议先把期待值调低一点。
没有评论:
发表评论