小红书海外开源280B大模型，内容平台自研底座暗战升级

几天前，小红书在海外悄然发布了一款名为 dots3-note preview 的大模型。没有高调的发布会，也没有铺天盖地的宣传，但这款模型的出现，却让不少关注AI的人意识到：内容平台也开始下场造底座了。

从公开信息看，dots3-note preview 采用 MoE（混合专家）架构，总参数达到 280B，激活参数为 16B，支持 512K 上下文，同时具备文本、视觉、语音的多模态理解能力。它属于 dots3 系列，后续还将有 jazz、aria 等不同定位的版本。作为先行发布的 note 版本，它更强调效率和实际部署，可以看作小红书将模型能力推向实际业务和开发者生态的第一步。

模型上线后，海外开发者社区很快有了反应。Hugging Face 下载量破百，华为昇腾也在当天宣布完成适配。但在国内，这次发布暂时还没有掀起太大水花。

值得注意的不是又多了一款开源模型，而是小红书开始公开展示自己的基础模型能力。

作为月活超过 3 亿的平台，小红书拥有海量图文和视频内容，也积累了用户从「想去哪里」「买什么」到「如何解决一个生活问题」的消费决策数据。选择自研并开源模型，意味着 AI 在小红书内部的角色，可能正在从搜索、推荐或创作工具中的一个功能，变成支撑整套产品能力的底座。

如果把大模型看作数字世界的「工业母机」，这个动作就更容易理解。它本身不是最终产品，却决定了搜索、推荐、内容创作和智能服务等上层能力的精度与迭代速度。对一个体量足够大的平台而言，长期完全依赖外部模型，并不是一个稳妥的选择。

dots3-note preview 的定位与能力

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。比如在 ARC-AGI-3、个人助理类任务上，它的表现超过了一部分参数规模更大的模型；但在终端操作、复杂编程等任务上，与头部模型仍有差距。

小红书披露，dots3 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 版本，是系列中更强调效率和实际部署的版本；后续还将推出 jazz 和 aria，覆盖不同的能力与成本区间。

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。这恰恰更接近大模型竞争进入下一阶段后的现实：模型不只比谁在榜单上更高，更要看谁能进入真实产品，谁能被更低成本、更稳定地调用，谁能在具体场景里持续迭代。

小红书同时选择了 Apache 2.0 协议开源，并同步发布在 Hugging Face 和 GitHub。新模型最需要的是测试、反馈和生态支持。开发者会把它部署到不同硬件上，带到不同任务里，发现它在哪些地方有效、又会在哪些地方失效。华为昇腾的 0 Day 适配，就是这种生态协作速度的一个例子。

为什么内容平台要自研模型？

一个常见的问题是：现在第三方模型已经足够强，为什么像小红书这样的内容平台，还要投入巨大资源自研？

答案并不复杂。对于小规模团队，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。

搜索、推荐、内容审核、广告创意、客服、创作工具，这些业务如果逐步由模型驱动，调用量会非常惊人。外部 API 的优势是接入快，但调用越多，成本和价格波动带来的不确定性也越大。自研模型不意味着完全放弃外部模型，却能让平台在高频、稳定、明确的场景中获得更可控的成本结构。

更关键的是，通用模型可以回答很多问题，但未必真正理解小红书上的「找餐厅」、「做攻略」、「挑婚纱」、「装修避坑」意味着什么。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。

小红书的内容生态有自己的语境。图文笔记、短视频、评论区、消费决策链路，构成了一套非常具体的用户表达与行为方式。平台如果希望 AI 深度参与其中，就需要模型理解这些非标准、强上下文、不断变化的需求。

此次同时开放的 VibeSearchBench 与 VibeLifeBench，前者考察用户意图逐步披露时的多轮搜索能力，后者聚焦非静态环境下的跨阶段任务执行。它们并没有选择最泛化的命题，而是指向搜索与真实生活服务——这恰好是小红书最有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。

模型正在成为平台的基础设施

对内容平台而言，数据不是简单的训练材料。如何让模型理解内容、服务用户，又确保数据使用、安全和权限处于可控范围内，是长期命题。模型能力掌握在自己手里，意味着平台能够更快地完成从数据、训练到产品反馈的循环。

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。所以，字节有豆包，腾讯有混元，阿里有通义，百度有文心，各家在追赶大模型热潮的同时，也是在补自己的基础能力。

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，以及科研机构。但小红书开源大模型的出现提醒了一件事：模型竞争不只属于模型公司。

拥有高频场景、独特数据和足够技术投入的平台，都有可能在某一个节点下场。美团需要模型优化本地生活服务和商家经营；快手需要更深的内容理解与生成能力；电商、出行、游戏、音乐平台，也都在面对类似的问题。它们未必都需要训练最强的通用模型，但会越来越需要拥有适合自身业务的模型能力。

这有点像云计算的发展。早期，大多数公司使用公共云；当规模、成本和业务复杂度达到一定程度后，一些大型平台开始自建数据中心，并形成公有云、自建基础设施和混合架构并存的格局。少数公司继续推进能力上限，提供最强的通用模型；更多平台则围绕自己的数据和场景，训练或定制模型；大量中小团队仍会以 API 为主要选择。未来并非所有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。

距离成熟的生活智能体还有多远？

当然，dots3-note preview 距离「一个成熟的生活智能体」还有很远。小红书自己也提到，dots3-note preview 的强化学习训练仍不充分，模型在幻觉控制、文本与多模态能力平衡、稳定性等方面还有待改善。演示中的真实生活任务，也仍主要运行在模拟环境中。

模型能力要真正变成用户体验，靠的不只是模型本身。它还需要数据连接、工具调用、权限控制、安全机制，以及一整套产品交互的配合。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。

所以，接下来最值得看的并不是 dots3-note preview 会在榜单上排第几，而是三个更具体的问题：小红书后续会把能力边界推到哪里；自研模型会先进入搜索、推荐还是创作工具；以及，当一个内容平台开始公开自己的模型能力时，整个行业的竞争格局会发生怎样的变化。