作者｜连冉
编辑｜靖宇
近日，小红书在海外发布了大模型 dots3-note preview。该模型采用 MoE 架构，总参数 280B、激活参数 16B，支持 512K 上下文，具备文本、视觉、语音多模态理解能力。作为 dots3 系列的先行版本，note 旨在将模型能力推向实际业务与开发者生态，后续还将推出 jazz、aria 等定位不同的版本。
模型上线后迅速引发海外开发者关注，Hugging Face 下载量破百，华为昇腾当日即完成适配。相比之下，国内反响尚显平静。此举的核心意义在于，小红书开始公开展示其基础模型能力。
拥有超 3 亿月活用户及海量消费决策数据的小红书，选择自研并开源模型，标志着 AI 在其内部的定位正从单一功能工具，转变为支撑整个产品体系的底层底座。对于体量巨大的平台而言，将大模型这一“工业母机”完全寄托于外部供应商，并非稳妥之策。
小红书做模型，还开源了
dots3-note preview 是一款强调效率与部署的 MoE 模型。公开评测显示，其在推理、Agent 及多模态任务中表现具有竞争力，尤其在个人助理类任务上优于部分更大参数模型，但在复杂编程等场景上与头部模型仍有差距。这表明它更像是一个已可用但仍需持续演进的能力模块。
当前大模型竞争已进入新阶段：不仅比拼榜单成绩，更看重真实产品落地、调用成本稳定性及场景迭代能力。小红书选择以 Apache 2.0 协议在 Hugging Face 和 GitHub 开源，意在通过社区协作加速测试反馈与生态建设。华为昇腾的快速适配便是生态协同的典型案例。
此次开源也是小红书向技术社区的一次公开表态：不仅是在应用层接入 AI，更在参与底层能力建设。同步发布的 VibeSearchBench 与 VibeLifeBench 评测集，聚焦多轮搜索与非静态环境下的跨阶段任务，直指搜索与真实生活服务领域，试图定义真正理解用户生活需求的 Agent 标准。
为什么内容平台要自己做模型？
面对强大的第三方模型，内容平台为何仍要投入巨资自研？核心原因在于成本可控性与业务契合度。
首先是成本账。搜索、推荐、审核、广告及创作工具等业务若全面由模型驱动，调用量惊人。外部 API 虽接入便捷，但高昂且波动的成本难以承受。自研模型能让平台在高频、稳定场景中获得更优的成本结构。
其次是业务理解深度。通用模型难以精准理解小红书特有的“找餐厅”、“装修避坑”等生活决策语境。这类需求往往涉及非标准、强上下文及多轮交互，需要模型深度适配平台独特的图文视频生态与用户行为链路。
最后是数据闭环与掌控力。掌握模型意味着平台能自主把控数据使用、安全权限及从训练到产品反馈的循环速度。当 AI 成为核心体验的基础设施时，能力边界、迭代节奏及服务价格不能长期受制于人。字节、腾讯、阿里等大厂布局自有模型，均是为了补齐这一基础能力。
大模型的玩家名单，还会继续变长
小红书的入局揭示了一个趋势：模型竞争不再局限于模型公司。拥有高频场景、独特数据及技术实力的垂直平台，如美团、快手及各类电商游戏厂商，都可能下场自研适合自身业务的模型。
这类似云计算的发展路径：早期普遍使用公共云，随着规模扩大，大型平台转向自建数据中心，形成混合架构格局。未来大模型也将分层：少数公司提供最强通用模型，更多平台围绕自身数据定制模型，中小团队则继续依赖 API。并非所有公司都要成为模型厂商，但掌握模型能力将成为越来越多企业的标配。
dots3-note preview 正是这一变革的样本。尽管其在幻觉控制、多模态平衡及稳定性方面仍有提升空间，且真实生活任务多在模拟环境中运行，但其方向明确：模型价值最终取决于能否在产品中稳定解决用户问题。
图片来源：studio.dots.ai
接下来的观察重点在于：小红书将把能力边界推至何处？自研模型将优先赋能搜索、推荐还是创作工具？以及，是否会引发更多拥有场景数据的平台加速跟进？模型最终创造的价值，取决于它被植入何种产品、服务于何人。