उत्तरप्रकाशित2 माह पहलेLast edited 2 माह पहले20 स्रोत

StartLux के 27B मॉडल ने दिखाया: AI की दौड़ अब सिर्फ पैरामीटर की नहीं रही

प्रकाशितकर्ताGPT-5.6 Luna से संपादितGPT Image 1.5 से चित्र बनाए गए

Studio Global AI के साथ खोजें और तथ्यों की जांच करें और ट्रेंडिंग पेज देखें

शोध उत्तर

मुख्य निष्कर्ष

StartLux V1.0 27B Preview ने CAICT के MCP स्पेशल टेस्ट में 39.25 अंक के साथ दूसरा स्थान हासिल किया और 1.6 ट्रिलियन पैरामीटर वाले DeepSeek V4 Pro से केवल 1.30 अंक पीछे रहा। यह नतीजा एक विशिष्ट एजेंट बेंचमार्क से जुड़ा...
27B मॉडल ने 284B पैरामीटर वाले DeepSeek V4 Flash 0731 और 198B पैरामीटर वाले Step 3.7 Flash को पीछे छोड़ा। लोकेशन नेविगेशन में यह पहले स्थान पर रहा और ब्राउज़र ऑटोमेशन तथा वित्तीय विश्लेषण में भी मजबूत प्रदर्शन किया।
यह परिणाम बताता है कि मॉडल का मूल्यांकन केवल पैरामीटर की संख्या से नहीं, बल्कि भरोसेमंद टूल यूज़, डेटा नियंत्रण, लागत, लेटेंसी और वास्तविक वर्कफ़्लो पूरा करने की क्षमता से किया जाना चाहिए।

Abstract illustration of a compact AI model competing with much larger models in an agent benchmark — How did Shanghai-based StartLux’s StartLux-V1.0-27B-Preview, a 27-billion-parameter model built on Qwen3.6-27B with targeted post-training aStartLux’s 27B model ranked second in CAICT’s MCP special test, highlighting the growing focus on efficient local AI agents.
AI संकेत
Create a landscape editorial hero image for this Studio Global article: How did Shanghai-based StartLux’s StartLux-V1.0-27B-Preview, a 27-billion-parameter model built on Qwen3.6-27B with targeted post-training a. Article summary: StartLux-V1.0-27B-Preview was a notable outlier in CAICT’s MCP special test: it placed second overall with a 39.25 score despite having 27 billion parameters. It trailed the 1.6-trillion-parameter DeepSeek-V4-Pro by 1.30. Topic tags: general, general web, user generated, documentation. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks,
openai.com

Shanghai स्थित StartLux का StartLux-V1.0-27B-Preview हालिया एजेंट मॉडल बेंचमार्क में एक महत्वपूर्ण उदाहरण बनकर उभरा है। चीन की China Academy of Information and Communications Technology (CAICT) के ट्रस्टेड-AI लार्ज मॉडल बेंचमार्क के MCP स्पेशल टेस्ट में 27 अरब पैरामीटर वाले इस मॉडल ने 39.25 अंक हासिल कर दूसरा स्थान पाया। यह 1.6 ट्रिलियन पैरामीटर वाले DeepSeek-V4-Pro से सिर्फ 1.30 अंक पीछे रहा। 10 3

इसका मतलब यह नहीं है कि 27B मॉडल ने हर क्षेत्र में ट्रिलियन-पैरामीटर मॉडल्स को पीछे छोड़ दिया है। लेकिन यह जरूर संकेत देता है कि टूल-कॉलिंग, बहु-चरणीय योजना और वास्तविक काम पूरा करने के लिए विशेष रूप से तैयार किया गया छोटा मॉडल, कुछ खास एजेंट वर्कलोड में बहुत बड़े मॉडल्स के करीब पहुंच सकता है।

CAICT के MCP टेस्ट में क्या परखा गया?

MCP यानी Model Context Protocol ऐसे सिस्टम से जुड़ा है जिनमें AI मॉडल बाहरी टूल्स और वास्तविक वातावरण के साथ बातचीत कर सकता है। इसलिए यह टेस्ट सामान्य भाषा मॉडल लीडरबोर्ड से अलग है। यहां केवल सवालों के जवाब देने की क्षमता नहीं, बल्कि यह देखा जाता है कि मॉडल किसी लक्ष्य को समझकर योजना बना सकता है या नहीं, सही टूल चुनता है या नहीं और पूरी प्रक्रिया को सफलतापूर्वक पूरा कर पाता है या नहीं।

टेस्ट में छह विशेष कार्य शामिल थे:

लोकेशन नेविगेशन
वेब सर्च
ब्राउज़र ऑटोमेशन
वित्तीय विश्लेषण
कोड रिपॉजिटरी मैनेजमेंट
3D डिज़ाइन

इन छह कार्यों के साथ एक संयुक्त मूल्यांकन भी था, यानी कुल सात रिपोर्टेड मूल्यांकन आइटम। परीक्षण का फोकस मल्टी-टूल सहयोग, जटिल कार्यों को अंजाम देने और वास्तविक वातावरण के साथ मॉडल की बातचीत पर था। उपलब्ध रिपोर्टों के अनुसार, औसत स्कोर तीन पूर्ण परीक्षण रनों के आधार पर निकाला गया। 10 7

एंटरप्राइज कंपनियों के लिए यह अंतर अहम है। किसी मॉडल का सामान्य ज्ञान या अलग-अलग तर्क प्रश्नों में प्रदर्शन उपयोगी हो सकता है, लेकिन यदि AI एजेंट को हर दिन ब्राउज़र चलाना, डेटा खोजना, वित्तीय रिपोर्ट का विश्लेषण करना या कोड रिपॉजिटरी संभालनी है, तो भरोसेमंद निष्पादन अधिक महत्वपूर्ण हो सकता है।

बड़े मॉडल्स के मुकाबले StartLux का प्रदर्शन

रिपोर्टेड समग्र रैंकिंग इस प्रकार है:

StartLux-V1.0-27B-Preview: 27B पैरामीटर, 39.25 अंक
DeepSeek-V4-Pro: 1.6T पैरामीटर, पहला स्थान; StartLux से 1.30 अंक आगे
DeepSeek-V4-Flash-0731: 284B पैरामीटर, 38.24 अंक
Step-3.7-Flash: 198B पैरामीटर, StartLux से नीचे

समान आकार के तुलना मॉडल Qwen-3.6-27B के मुकाबले StartLux को उपलब्ध रिपोर्टों में 5.34 अंक की बढ़त दी गई है। तुलना सूची में Qwen-3.6-27B और AgentCPM-Explore भी शामिल थे, लेकिन उपलब्ध स्रोत इन दोनों के विश्वसनीय समग्र स्कोर उपलब्ध नहीं कराते। 2 3 10

विशेष कार्यों में StartLux का प्रदर्शन और भी उल्लेखनीय रहा। यह लोकेशन नेविगेशन में पहले स्थान पर रहा। ब्राउज़र ऑटोमेशन और वित्तीय विश्लेषण में इसे DeepSeek-V4-Pro के साथ बराबरी या बढ़त हासिल करने की बात रिपोर्टों में कही गई है। 4 6 7

यह उपलब्धि महत्वपूर्ण है, लेकिन इसकी सीमा भी है

इस नतीजे को “पैरामीटर अब मायने नहीं रखते” के रूप में पढ़ना सही नहीं होगा। बड़े मॉडल अभी भी व्यापक क्षमताओं, कठिन समस्याओं और फ्रंटियर-स्तर के तर्क में महत्वपूर्ण भूमिका निभा सकते हैं। CAICT का परिणाम एक अधिक सीमित, लेकिन व्यावहारिक बात दिखाता है: जिस बेंचमार्क में भरोसेमंद टूल-यूज़ और कार्य-समापन को महत्व दिया जाता है, वहां पोस्ट-ट्रेनिंग और टास्क-स्पेशलाइजेशन का प्रभाव बहुत बड़ा हो सकता है।

StartLux अपने मॉडल को स्थानीय रूप से तैनात किए जा सकने वाले एजेंट मॉडल के रूप में पेश करता है और अपनी “AI trains AI” Auto Research प्रक्रिया को भी इसके प्रदर्शन से जोड़ता है। ये कंपनी की ओर से दिए गए स्पष्टीकरण हैं। बेंचमार्क मॉडल का प्रदर्शन तो दिखाता है, लेकिन यह अपने-आप में साबित नहीं करता कि उस परिणाम का कारण कौन-सी प्रशिक्षण तकनीक रही। इसलिए सबसे सावधान निष्कर्ष यह है कि टूल-यूज़, प्लानिंग और वर्कफ़्लो पूरा करने के लिए लक्षित ऑप्टिमाइज़ेशन, कुछ एंटरप्राइज कार्यों में छोटे मॉडल और बड़े मॉडल के बीच का अंतर कम कर सकता है।

स्थानीय तैनाती से क्या बदल सकता है?

27B मॉडल को 1.6 ट्रिलियन पैरामीटर वाले मॉडल की तुलना में निजी इंफ्रास्ट्रक्चर पर चलाना अधिक व्यावहारिक हो सकता है, खासकर जब क्वांटाइज़्ड संस्करण और उपयुक्त हार्डवेयर उपलब्ध हो। इससे संवेदनशील या बार-बार दोहराए जाने वाले एजेंट वर्कलोड के लिए कई संभावित फायदे मिल सकते हैं:

डेटा पर नियंत्रण: संवेदनशील प्रॉम्प्ट और टूल से मिले परिणाम कंपनी के अपने वातावरण में रखे जा सकते हैं, बजाय किसी बाहरी API को भेजने के।
लागत पर नियंत्रण: बड़े पैमाने पर अनुमान चलाने पर प्रति-रिक्वेस्ट API शुल्क में कमी आ सकती है। हालांकि हार्डवेयर, बिजली, संचालन और इंजीनियरिंग लागत को कुल लागत में शामिल करना होगा।
कम लेटेंसी और बेहतर उपलब्धता: स्थानीय मॉडल नेटवर्क कनेक्टिविटी और बाहरी प्रदाता की क्षमता पर निर्भरता घटा सकता है।
कस्टमाइज़ेशन: संगठन अपने खास वर्कफ़्लो के अनुसार टूल्स, नीतियां और मूल्यांकन प्रक्रिया तैयार कर सकते हैं।

फिर भी ये संभावनाएं हैं, गारंटी नहीं। स्थानीय AI अपनाने पर हार्डवेयर खरीद, मॉडल अपडेट, एक्सेस कंट्रोल, ऑडिट लॉग, मॉनिटरिंग और सुरक्षा की जिम्मेदारी ग्राहक की हो जाती है। छोटा मॉडल चलाना आसान हो सकता है, लेकिन उसे नियंत्रित और सुरक्षित रखना अपने-आप आसान नहीं हो जाता।

कॉम्पैक्ट एजेंट मॉडल्स का बढ़ता रुझान

StartLux अकेला ऐसा मॉडल नहीं है जो अधिकतम पैरामीटर के बजाय दक्षता पर जोर देता हो। NVIDIA के अनुसार, Nemotron 3.5 Lightning एक ओपन 30B mixture-of-experts मॉडल है, जिसमें हर टोकन पर केवल 3B सक्रिय पैरामीटर इस्तेमाल होते हैं। इसे लगातार चलते रहने वाले एजेंट्स के हाई-वॉल्यूम निष्पादन के लिए तैयार किया गया है। NVIDIA के मॉडल सपोर्ट दस्तावेज़ में Gemma 4 के 12B और 31B संस्करण भी सूचीबद्ध हैं। 25 26

द्वितीयक स्रोतों और मॉडल कैटलॉग में Meta के Muse Glimmer को भी स्थानीय एजेंट उपयोग के लिए बनाए गए मॉडल के रूप में सूचीबद्ध किया गया है। हालांकि उपलब्ध सामग्री से Meta के मूल रिलीज़ दस्तावेज़ की स्वतंत्र पुष्टि नहीं होती। 27 33

फिर भी व्यापक दिशा स्पष्ट है: डेवलपर अब केवल कुल पैरामीटर नहीं देख रहे। सक्रिय पैरामीटर, थ्रूपुट, क्वांटाइज़ेशन, टूल-यूज़ की विश्वसनीयता और स्थानीय संचालन भी मॉडल चयन के प्रमुख मानदंड बन रहे हैं।

चीन की एंटरप्राइज कंपनियों को आगे क्या मापना चाहिए?

StartLux का परिणाम चीन में AI खरीद रणनीति को अधिक विभाजित बना सकता है। कंपनियां अलग-अलग प्रकार के काम के लिए अलग मॉडल चुन सकती हैं:

संवेदनशील, बड़े पैमाने पर दोहराए जाने वाले वर्कफ़्लो के लिए कॉम्पैक्ट निजी या स्थानीय मॉडल अपनाएं।
व्यापक, कम बार होने वाले या असाधारण रूप से कठिन कार्यों के लिए फ्रंटियर क्लाउड मॉडल इस्तेमाल करें।
केवल मॉडल बेंचमार्क नहीं, बल्कि पूरा वर्कफ़्लो परखें—टूल-कॉल की सटीकता, गलती से उबरने की क्षमता, कार्य-समापन दर, चीनी भाषा का प्रदर्शन, डोमेन फिट, लेटेंसी और संचालन लागत सहित।
रोलआउट से पहले शासन और सुरक्षा की समीक्षा करें—अनुमतियां, डेटा रिटेंशन, ऑब्ज़र्वेबिलिटी, मॉडल अपडेट और मानव हस्तक्षेप की व्यवस्था पर ध्यान दें।

इससे सवाल “किस मॉडल में सबसे अधिक पैरामीटर हैं?” से बदलकर यह हो जाता है: “कौन-सा मॉडल इस काम को स्वीकार्य लागत और जोखिम पर सबसे भरोसेमंद ढंग से पूरा करता है?”

पैरामीटर रेस से वर्कफ़्लो रेस तक

StartLux-V1.0-27B-Preview ने छोटे और बड़े मॉडल्स के बीच प्रतियोगिता खत्म नहीं की है। लेकिन इसके 39.25 अंक यह जरूर दिखाते हैं कि वास्तविक टूल-आधारित कार्यों में मॉडल की उपयोगिता केवल उसके आकार से तय नहीं होती।

जब डेटा गोपनीयता, अनुमानित लागत, कम लेटेंसी और निजी तैनाती प्राथमिकताएं हों, तब ऐसा कॉम्पैक्ट मॉडल किसी कंपनी के लिए बहुत बड़े मॉडल से बेहतर खरीद साबित हो सकता है। AI की अगली खरीदारी में शायद कोई एक सार्वभौमिक विजेता नहीं होगा। सफलता इस बात पर निर्भर करेगी कि मॉडल का आकार, उसकी सक्रिय क्षमता और तैनाती का तरीका वास्तविक काम से कितनी अच्छी तरह मेल खाते हैं।

Studio Global AI

अपना शोध जारी रखें

इस पृष्ठ में एक स्रोत-समर्थित उत्तर शामिल है जिसे आप Studio Global के अंदर जारी रख सकते हैं।

Studio Global AI के साथ खोजें और तथ्यों की जांच करें

लोग पूछते भी हैं