Несколько дней назад Xiaohongshu представила свою крупную модель за рубежом — dots3-note preview. Эта модель представляет собой MoE-архитектуру с общим количеством параметров в 280 миллиардов и 16 миллиардами активированных параметров. Она поддерживает контекстное окно размером 512K и обеспечивает мультимодальное понимание, охватывающее текст, изображение и голос. Модель входит в серию dots3, предыдущие работы которой получили высший балл на IMO 2026, а в планах — версии jazz и aria.
В тот же день Huawei Ascend объявила об адаптации этой модели. Примечательно, что Xiaohongshu, обладающая более чем 300 миллионами ежемесячных пользователей, публично продемонстрировала свои возможности в области фундаментальных моделей. Это может указывать на сдвиг в использовании ИИ внутри платформы: он может перейти от функции поиска и рекомендаций к базовому элементу, поддерживающему весь продукт.
Рассматривая крупные модели как инструмент цифрового мира, становится понятнее, что именно модель определяет точность и скорость итераций верхнеуровневых функций, таких как создание контента, поиск и рекомендации. Для достаточно крупной платформы долгосрочная зависимость от внешних моделей представляется нестабильным выбором. Согласно публичным оценкам, dots3-note preview показывает конкурентные результаты в задачах рассуждения, агентов и мультимодальности, превосходя некоторые более крупные модели в задачах ARC-AGI-3 и помощника, хотя отстает от передовых решений в терминальных операциях и сложном программировании. Она напоминает модуль возможностей, который уже можно применять, но который будет продолжать развиваться в зависимости от того, кто сможет интегрировать его в реальные продукты, обеспечить дешевое и стабильное использование, а также проводить итерации в конкретных сценариях.
Xiaohongshu выбрала лицензию Apache 2.0 и выпустила модель на платформах Hugging Face и GitHub. Открытый исходный код приносит прямую выгоду, поскольку новая модель нуждается в тестировании, обратной связи и поддержке экосистемы; адаптация Huawei Ascend в нулевой день является примером скорости этой экосистемы. Кроме того, это публичное заявление техническому сообществу о том, что Xiaohongshu участвует в создании базовых возможностей, а не просто применяет ИИ.
Выпуск включает два эталонных теста: один проверяет многоходовой поиск, а другой фокусируется на выполнении задач между этапами, что указывает на поиск и сервисы в реальной жизни — области, где платформа, вероятно, сможет выделиться.
Часто задают вопрос, почему контент-платформа с доступом к таким мощным сторонним моделям должна вкладывать значительные средства в собственные исследования. Для небольших команд достаточно использовать API, однако для платформы с сотнями миллионов пользователей и частыми поисковыми запросами, как только возможности модели становятся частью основной цепочки, зависимость от внешних поставщиков становится сложной как с точки зрения затрат, так и с точки зрения волатильности цен. Что еще более важно, общие модели могут не понимать истинного значения таких действий, как поиск ресторана, планирование поездки или избегание ошибок при декорировании в контексте Xiaohongshu; жизненные решения не являются простым поиском информации, и ИИ платформы требует моделей, способных понимать эти контекстно-насыщенные и меняющиеся потребности. Когда ИИ влияет на основной пользовательский опыт продукта, модель превращается в инфраструктуру, подобно тому как ByteDance имеет Doubao, Tencent — Hunyuan, Alibaba — Tongyi, а Baidu — ERNIE.