🤖 开源大模型 · 平台下场
内容平台悄悄下场造底座：280B MoE 大模型开源，激活仅 16B 参数
近日，小红书在海外低调发布并开源了自有大模型 dots3-note preview。这款 MoE 模型总参数 280B、激活参数 16B，支持 512K 上下文与文本、视觉、语音多模态理解。发布当天，海外开发者社区开始讨论，华为昇腾宣布完成适配；而在国内，这次发布暂时还没有掀起太大水花。
综合公开信息整理•
事件：dots3-note preview 发布•
全文约 4 分钟读完
#小红书
#dots3
#开源大模型
#MoE
#多模态
280B
总参数 · MoE 激活仅 16B
512K
上下文窗口 · 文本/视觉/语音
3 亿+
月活内容平台 · 首次公开开源底座
⚡ 30 秒速览
- 发了什么：dots3-note preview——MoE 架构、280B 总参数 / 16B 激活、512K 上下文、三模态理解，以 Apache 2.0 协议开源。
- 动静多大：海外社区当天开聊，Hugging Face 下载量破百，华为昇腾 0 Day 完成适配；国内暂时波澜不惊。
- 实力如何：ARC-AGI-3 与个人助理任务超过部分更大参数模型；终端操作、复杂编程与头部仍有差距。
- 同场发布：自研评测集 VibeSearchBench（多轮搜索）与 VibeLifeBench（跨阶段任务），直指搜索与生活服务。
- 为什么值得看：AI 在小红书内部，正从搜索、推荐、创作工具里的一个「功能」，变成支撑整套产品能力的「底座」。
- 诚实的注脚：官方承认强化学习训练仍不充分，幻觉控制与稳定性待改善，真实生活任务多数还在模拟环境里运行。
01发了什么：一块「先能上手，仍在演进」的能力模块 模型档案与系列路线图
dots3-note preview 属于 dots3 系列。这个系列此前曾在 IMO 2026 获得官方认证的满分成绩。此次发布的 note，是系列中更强调效率与实际部署的先行版本。
MoE 混合专家总参数 280B · 激活仅 16B
512K 上下文可容纳超长文档与多轮对话
三模态理解文本 · 视觉 · 语音
Apache 2.0Hugging Face 与 GitHub 同步开源
IMO 2026 满分dots3 系列此前获得官方认证
后续版本jazz / aria，覆盖不同能力与成本区间
注：系列路线图来自官方公开披露，jazz 与 aria 的实际发布时间与能力以最终版本为准。
dots3-note preview · 已开源→jazz→aria
也就是说，它更像是在发布一块已经能上手使用、但仍会继续演进的能力模块。
02能不能打：有惊喜，也有明显短板 从公开评测看强弱项
从公开评测看，dots3-note preview 在推理、Agent 和多模态任务中给出了有竞争力的成绩。但这份成绩单并不平均：
注：横条为相对强度示意，非官方分数——原始报道仅给出方向性比较。这一高一低恰好说明，它不是「全能冠军」，而是一个有明确偏向的模型。
⚡ 华为昇腾 0 Day 适配：模型发布当天即宣布完成适配。对开源模型来说，这种生态协作速度，是最直观的「可信度信号」之一。
03它在定义什么：两个不为榜单而生的评测集 VibeSearchBench 与 VibeLifeBench
此次与模型同时开放的，还有两个自研评测集。它们没有选择最泛化的命题。
🔍 VibeSearchBench 多轮搜索评测自研评测集
- 考察用户意图逐步披露时的多轮搜索能力——用户不会一次说完需求。
- 不是「答对一道题」，而是「跟住一个不断变化的人」：先问周末去哪、再补预算、又改口带上小孩。
它测的不是模型的知识量，而是搜索场景里最核心的能力：理解逐渐展开的意图。
🏠 VibeLifeBench 跨阶段任务评测自研评测集
- 聚焦非静态环境下的跨阶段任务执行——做攻略 → 订餐厅 → 生成清单 → 根据评论区反馈调整。
- 指向真实生活服务：「找餐厅」「挑婚纱」「装修避坑」，而不是抽象问答。
两个评测集都指向搜索与真实生活服务——这恰好是小红书最可能建立差异化的领域。
换句话说，小红书不只是做一个模型，也在尝试定义：什么样的 Agent，才算真正理解用户的生活需求。
04为什么非要自己做：成本、语境与掌控力 内容平台自研模型的三个理由
一个常见的问题是：第三方模型已经足够强，为什么还要投入巨大资源自研？
答案并不复杂。对小型团队，调用 API 是合理选择；但对拥有数亿用户、高频搜索和推荐场景的平台来说，模型能力一旦成为核心链路的一部分，就很难完全依赖外部供给。
调用外部 API
接入快、起步便宜；但高频场景调用量惊人，成本与价格波动带来不确定性；通用模型也难懂「挑婚纱」「装修避坑」的语境。
自研 + 开源
高频、稳定、明确的场景获得更可控的成本结构；模型理解图文笔记与评论区构成的生活语境；数据到产品反馈的闭环握在自己手里。
更关键的是，生活决策不是一次检索就能完成的任务：用户会补充条件、改变预算、比较方案，也会被图片、评论和真实体验影响。
内容生态数据→模型训练→产品体验→用户反馈→更懂语境的数据
注：这是一个自我强化的循环——数据越多、产品越好用，模型就越懂这个平台的语境；而这一切的前提，是模型能力掌握在自己手里。
当 AI 开始影响核心产品体验时，模型本身就会成为基础设施的一部分。能力边界、服务价格、迭代节奏，以及数据的使用方式，不能长期完全取决于外部供应商。
05玩家名单，还会继续变长 从云计算历史看模型分层
过去两年，大模型市场的主角似乎已经很清晰：互联网大厂、明星创业公司、科研机构。
但小红书的这次发布提醒了一件事：模型竞争不只属于模型公司。
☁️ 云计算的昨天，可能是模型的明天
01早期，大多数公司使用公共云。
02当规模、成本与业务复杂度上来，一些大平台开始自建数据中心。
03最终形成公有云、自建基础设施与混合架构并存的格局。
第一层少数公司继续推进能力上限，提供最强的通用模型
第二层更多平台围绕自己的数据和场景，训练或定制模型
注：模型正在走向类似云计算的「分层」——不是每家公司都要成为模型厂商，但会有越来越多公司把模型视为必须掌握的一层能力。
已经下场的平台并不少：
字节 · 豆包腾讯 · 混元阿里 · 通义百度 · 文心小红书 · dots3
而按同样的逻辑，可能跟进的名单还可以更长：
美团 · 本地生活快手 · 内容理解电商出行游戏音乐
注：「可能跟进」为报道推测，并非确定事实。但其逻辑成立：拥有高频场景、独特数据和足够技术投入的平台，都有可能在某个节点下场。
06诚实的注脚：离「成熟的生活智能体」还很远 官方主动承认的局限
当然，它距离「一个成熟的生活智能体」还有很远。
小红书自己也没有回避这一点。它在发布中主动承认了多个未完成项：
⚠ 强化学习训练仍不充分这是当前最核心的短板。
⚠ 幻觉控制与稳定性待改善文本与多模态能力之间的平衡，也还未完全解决。
⚠ 真实生活任务多在模拟环境演示中的任务主要运行在模拟环境中，尚未经过大规模真实流量检验。
⚠ 体验 ≠ 模型榜单用户感受还取决于数据连接、工具调用、权限控制、安全机制与产品交互。
用户不会因为模型在某项基准中领先，就自然获得更好的体验。真正决定体验的，是它能不能在用户搜索、做攻略、比较商品、完成决策时，稳定地解决问题。
编辑核心判断
接下来最值得看的，不是 dots3-note 会在榜单上排第几，而是三个更具体的问题：能力边界会推到哪里、模型先进搜索还是创作工具、会不会有更多握有场景与数据的平台加速下场。模型最终能造出什么，取决于它被放进什么产品、服务什么人——平台自研模型的时代，可能比我们以为的更近。
▶现在就能上手
模型以 Apache 2.0 协议开源，权重与评测集已在 Hugging Face 与 GitHub 同步发布。
Hugging Face · 搜「dots3-note」
GitHub · 搜「dots3」
VibeSearchBench / VibeLifeBench
华为昇腾已完成首日适配，可在昇腾硬件上直接部署体验。