AI创作者AMA知无不言
海外AI圈突然爆火！小红书开源Dots3-Note凭什么强势出圈？vLLM 官方第一时间 Day-0 适配支持、ARC-AGI 团队大佬 Greg Kamradt 主动转发、LocalLLaMA 社区密集讨论——它就是 Dots3-Note Preview。一、模型硬实力：280B MoE，超大基座、极低激活成本Dots3-Note 采用 280B MoE 混合专家架构，单次推理仅激活 16B 参数。可以通俗理解为：背后拥有 2800亿参数的超级专家团 储备，但每次任务只调用最匹配、最相关的160亿参数参与计算。兼顾超大模型能力上限与小模型推理速度、低成本优势。二、实测跑分全面登顶多赛道，综合实力跻身第一梯队官方公开评测成绩非常亮眼：- ARC-AGI-2 推理能力：81.4- Claw-Eval 综合智能：73.4- SWE-bench-pro 专业编程：61.0- VoiceBench 语音理解：92.4它或许没有单一赛道绝对第一，但推理、Agent智能体、代码编程、多模态理解四大核心能力全部进入行业头部，是极少数无明显短板的全能基座模型。三、真正打动海外开发者的两大核心亮点1、专为「真实长程复杂任务」优化，Agent能力质变当下绝大多数AI Agent的短板非常统一：长流程任务、多步骤规划、工具连续调用、代码沙箱执行中，极易跑偏、断层、结果不稳定。而 Dots3 最大的突破，是引入了 Self-Critique 自我迭代校验机制。模型会在任务执行的每一个中间步骤自我评价、自我修正、迭代优化。这套迭代自校验能力，此前已经在 IMO国际数学奥赛真题 中拿下满分，充分证明其复杂逻辑长程推理的可靠性。这也意味着：它更适合落地真实、复杂、长周期的AI智能体任务。2、全模态一体化能力，企业私有化部署性价比极高目前主流开源模型大多存在能力偏科：- DeepSeek 强于纯文本推理- GLM、 Llama 仅补齐图像视觉能力而 Dots3-Note 同时打通文本、图像、视频、语音四大模态。百亿级模型体量适中、推理成本可控、开源可部署，非常适合有算力需求、需要私有化部署的企业作为AI Agent底层基座，适配场景远更广。
发布于 四川
分享
评论
赞
未登录
友善发言
评论
加载中
