Несколько дней назад Xiaohongshu выпустила за рубежом большую модель: dots3-note preview. Это модель MoE с общим количеством параметров 280 миллиардов и 16 миллиардами активированных, поддерживает контекст 512K и обеспечивает мультимодальное понимание текста, изображений и голоса. Она относится к серии dots3, предыдущая работа которой получила полный балл на IMO 2026; в будущем появятся версии jazz и aria. В тот же день Huawei Ascend объявила об адаптации. Что заслуживает внимания: Xiaohongshu, насчитывающая более 300 миллионов активных пользователей в месяц, публично демонстрирует свои возможности фундаментальной модели: ИИ внутри платформы может переходить от функции поиска и рекомендаций к основе, поддерживающей весь продукт.
Восприятие больших моделей как станков цифрового мира помогает лучше понять это: модель определяет точность и скорость итерации вышестоящих возможностей, таких как поиск, рекомендации и создание контента, а для достаточно большой платформы полная долгосрочная зависимость от внешних моделей — нестабильный выбор. Согласно публичным оценкам, dots3-note preview показывает конкурентоспособные результаты в задачах рассуждения, агента и мультимодальности, превосходя некоторые более крупные модели в ARC-AGI-3 и задачах персонального ассистента, но отстаёт от передовых в терминальных операциях и сложном программировании. Это похоже на модуль возможностей, который уже можно использовать, но будет продолжать развиваться, и оцениваться будет по тому, кто сможет внедрить его в реальные продукты, вызывать дёшево и стабильно и итерировать в конкретных сценариях.
Xiaohongshu выбрала лицензию Apache 2.0 и выпустила модель на Hugging Face и GitHub. Открытый исходный код приносит прямые выгоды, поскольку новая модель больше всего нуждается в тестировании, обратной связи и поддержке экосистемы; адаптация Huawei Ascend в первый же день — пример скорости этой экосистемы. Но это также публичное заявление техническому сообществу, что Xiaohongshu участвует в создании базовых возможностей, а не просто применяет ИИ. В релиз включены два оценочных бенчмарка: один проверяет многораундовый поиск, другой сосредоточен на выполнении задач на разных этапах, что указывает на поиск и реальные сервисы — области, в которых платформа, скорее всего, будет выделяться.
Распространённый вопрос: зачем платформе контента, имеющей доступ к таким сильным сторонним моделям, вкладывать крупные средства в собственные исследования? Для небольших команд вызов API — правильный путь, но для платформы с сотнями миллионов пользователей и высокочастотными сценариями поиска, как только возможности модели становятся частью основной цепочки, зависеть от внешнего поставщика сложно — как с точки зрения стоимости, так и волатильности цен. Ещё важнее: общие модели могут не понимать по-настоящему, что значит найти ресторан, спланировать поездку или избежать ошибок при ремонте на Xiaohongshu; жизненные решения — это не одноразовый запрос, и платформенному ИИ нужны модели, которые понимают эти контекстно-насыщенные, меняющиеся потребности. Когда ИИ влияет на основной пользовательский опыт, модель становится инфраструктурой — поэтому у ByteDance есть Doubao, у Tencent — Hunyuan, у Alibaba — Tongyi, у Baidu — ERNIE.
Всегда имейте в виду, что редакции могут придерживаться предвзятых взглядов в освещении новостей.
Автор – Pandaily
