国产大模型领域近日涌现一匹黑马：新公司 StartLux（原点星辉）推出的首款模型StartLux-V1.0-27B-Preview，参数量仅 27B，却在中国信通院 MCP 专项测试中斩获综合排名第二，与参数量高达 1.6 万亿的 DeepSeek-V4-Pro 差距仅为 1.3 个百分点。
这家公司的掌舵者是互联网初代程序员、盛大网络联合创始人陈大年。退隐十年后，他再度出山，将赌注押在本地模型赛道，主张“模型拼参数的玩法要 OUT 了”，认为本地模型将在三年内占据 80% 的市场份额。
作为全球首家专注于本地模型商业化的公司，StartLux 推出的这款模型不依赖云端，可直接运行于消费级 PC。其 Agent 能力在多项测试中追平甚至超越万亿级云端旗舰模型。
27B 对上 1.6T，小模型打出大结果
本次测试出自中国信通院可信 AI 大模型基准测试MCP 专项。该测试围绕真实应用场景设立六类任务：位置导航、网页搜索、浏览器自动化、金融分析、代码仓库管理及 3D 设计，重点考察 Agent 的多工具协同、复杂任务执行及真实环境交互能力，核心标准是“事情能否做成”。
测试结果显示，StartLux-V1.0-27B-Preview 综合得分 39.25%，位居第二。它不仅超越了 284B 参数的 DeepSeek-V4-Flash-0731 和 198B 的 Step-3.7-Flash，且在同等 27B 参数规模下，比 Qwen 3.6 高出 5.34 个百分点。在位置导航、金融分析和浏览器自动化等单项中，该模型更是位列第一。
在实战对比中，StartLux 的表现优于 Claude Sonnet 4.6。在微软股票投资分析任务中，面对数据缺失，Claude 误判交易日导致计算错误，而 StartLux 通过回查数据、验证行情，得出了准确且可追溯的结论。在浏览器查询机票任务中，StartLux 仅用 12 步、95 秒便找到最低价航班，而 Claude 耗时两倍有余且操作路径繁琐，最终报价更高。
这证明在 Agent 任务上，参数规模已非唯一决定变量，后训练技术成为新的关键。
参数做减法，能力不打折
StartLux-V1.0-27B-Preview 基于 Qwen3.6-27B 基座，其性能跃升源于针对性的任务数据与自动化后训练方法。团队不仅强化模型的任务理解与工具调用能力，更自主研发了一套多维度、可验证的迭代优化技术，采用AI 训练 AI（Auto Research）模式，让模型在真实工具环境中自主执行并根据反馈调整策略。
陈大年指出，Scaling Law 是“过路神仙”，虽推动了 AI 起步，但未来未必属于它。当前行业技术路径已现分野：一方继续追求万亿参数，另一方则拥抱“少即是多”的 Agentic 评估体系。StartLux 的实践印证了知行合一，高质量行动才是关键。
坚持本地模型路线的另一重意义在于成本与隐私。模型部署于 PC 端，可将持续的云端 Token 费用转化为可控的设备算力与电力消耗，同时更好地处理长上下文，实现个性化目标。尽管 Meta、Google 等巨头也在探索本地小模型，但 StartLux 是目前全球首家真正致力于本地模型产品化的公司。
StartLux 接棒本地模型
StartLux 组建了“企业家 + 科学家”的明星团队。CEO陈大年作为中国初代程序员及盛大网络创始人，深谙中国市场与用户需求；CTO郭权玮拥有计算机科学与工程博士学位，曾在幻量科技任首席算法科学家，是 2024 年 TAAI 最佳论文奖获得者，专长于本地部署大模型与隐私保护机器学习；联合创始人罗永祥曾任摩根士丹利亚洲董事总经理，负责市场与投融资。
StartLux 的愿景是让本地智能解决方案像安装 Office 一样简便，用户无需关心量化或显存配置。团队计划于年内面向企业和个人推出第一代本地智能解决方案。这标志着继云端模型爆发后，国产本地模型正式补位，中国公司在 AI 新范式的接力赛中持续前行。