北京
图片来源：unsplash
近日，中国工信部信息通信研究院（以下简称“中国信通院”）人工智能研究所公布的一份检验报告显示，上海原点星辉科学技术有限公司（下简称StartLux）研发的本地大模型StartLux-V1.0-27B-Preview，在可信AI大模型基准测试——MCP专项测试中，以27B参数量取得综合性能排名第二的成绩，高于第三名的DeepSeek-V4-Flash，能力范围已经进入DeepSeek-V4-Pro所代表的万亿参数模型能力区间。
可信AI大模型基准测试——MCP专项测试涵盖位置导航、网页搜索、浏览器自动化、金融分析、代码仓库管理、3D 设计6类专项任务及综合评估，共7项检验项目，重点考察大模型在多工具协同、复杂任务执行及真实环境交互等方面的综合表现，该专项测试部分指标和数据参考了开源项目MCP-Universe。参测模型包括DeepSeek-V4-Pro（1.6T）、DeepSeek-V4-Flash-0731（284B）、Step-3.7-Flash（198B）、StartLux-27B-260715（27B）、Qwen-3.6-27B（27B）和 AgentCPM-Explore（4B）。
结果显示，StartLux-V1.0-27B-Preview综合得分为39.25，排名第二，超过284B的DeepSeek-V4-Flash-0731 和198B的Step-3.7-Flash。在同等参数规模下，StartLux-V1.0-27B-Preview较Qwen-3.6-27B高出5.34个百分点。单项任务中更突出：位置导航排名第一，浏览器自动化、金融分析等任务也与1.6T参数的DeepSeek-V4-Pro 并列第一或独占第一。
StartLux以Qwen3.6-27B为基座做后训练定向增强，把一个27B的本地模型，推到与1.6T旗舰同级的位置，靠的是StartLux团队自主设计的一个全新、多维度、可验证、可规模化的模型优化升级技术。模型训练的过程中，团队采用AI训练AI（Auto Research）的方法，自主开展训练实验，并通过反馈持续优化训练策略。该方法代表了当前全球模型研发的前沿方向。据悉，StartLux-V1.0-27B-Preview是国内首个采用该方法进行后训练的本地Agent模型。
在这款模型背后，可以看到行业正在发生的一个清晰转向：当基础模型能力跨过实用门槛，过去两年以参数规模为核心的军备竞赛已进入同质化阶段。同等规模模型在Benchmark上的差距越缩越小，但用户和企业的真实困扰从来不是大模型的测试分数与排名，而是模型能否解决实际问题、数据是否安全、成本是否可控。这些答案不在越来越大的云端集群里，而在数据不出域、推理在身边、能力可定制的本地方案里。
在全球范围内，本地模型正在逐渐进入行业视野。Google于4月推出了Gemma 4系列，其中31B Dense版本在开源模型排行榜排名第三，量化后可在消费级显卡上本地运行。8月初，Meta发布30B本地模型Muse Glimmer并开源。英伟达也于8月推出了开源模型Nemotron 3.5 Lightning，这是一款30B参数的MoE模型，可直接在RTX PC等本地设备上运行。盛大网络创始人、语生科学董事长陈大年近期预测，本地本地模型将在3年内占据80%的大模型市场。量子与AI软件公司Multiverse Computing联合创始人兼首席科学官Roman Orús也曾表示，行业正进入一个新阶段，本地大语言模型将成为云端服务真正的竞争对手。
目前，StartLux-V1.0-27B-Preview可在消费级个人电脑上运行。据了解，StartLux 计划于年内推出第一代本地智能解决方案，与此同时，StartLux团队正在稳步推进模型训练的脚步，也正对扩散式语言模型等新架构进行深入研究和优化。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
