AnswersPublished20 sources
En liten modell nærmer seg toppen i agenttest
StartLux V1.0 27B Preview fikk 39,25 poeng og andreplass i CAICTs MCP test – bare 1,30 poeng bak DeepSeek V4 Pro med 1,6 billioner parametere. Modellen slo DeepSeek V4 Flash 0731 på 284 milliarder parametere og Step 3.7 Flash på 198 milliarder, samtidig som den gjorde det særlig godt i navigasjon, nettleserautomatis...
Publisert avRedigert med GPT-5.6 LunaBilder generert med GPT Image 1.5
Research answer
Key takeaways
- StartLux V1.0 27B Preview fikk 39,25 poeng og andreplass i CAICTs MCP test – bare 1,30 poeng bak DeepSeek V4 Pro med 1,6 billioner parametere.
- Modellen slo DeepSeek V4 Flash 0731 på 284 milliarder parametere og Step 3.7 Flash på 198 milliarder, samtidig som den gjorde det særlig godt i navigasjon, nettleserautomatisering og finansanalyse.
- Resultatet betyr ikke at små modeller generelt har passert de største. Det viser heller at god verktøybruk, planlegging og lokal drift kan være viktigere enn parameterantallet i bestemte arbeidsflyter.
AI Prompt
openai.comCreate 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,
Den Shanghai-baserte AI-utvikleren StartLux har fått et oppsiktsvekkende resultat i en kinesisk test av AI-agenter. StartLux-V1.0-27B-Preview, en modell med 27 milliarder parametere, tok andreplassen i China Academy of Information and Communications Technologys (CAICT) spesialtest for MCP og fikk 39,25 poeng. Det var bare 1,30 poeng mindre enn DeepSeek-V4-Pro, som har 1,6 billioner parametere. 10
3
Resultatet er ikke et bevis på at en 27B-modell generelt har overgått modeller i billionklassen. Men det er et tydelig argument for at en mindre modell, målrettet mot verktøybruk og flertrinnsoppgaver, kan konkurrere med langt større systemer når testen ligner på reelt agentarbeid.
Dette målte MCP-testen
MCP står for Model Context Protocol – en standard som gjør det mulig for språkmodeller å koble seg til eksterne verktøy og datakilder. CAICT-testen undersøkte derfor ikke bare om modellene kunne svare riktig på enkeltspørsmål. Den vurderte om de kunne forstå et mål, lage en plan, velge riktige verktøy og fullføre oppgaver i et reelt miljø.
Testen omfattet seks spesialiserte områder:
- posisjons- og navigasjonsoppgaver
- nettsøk
- nettleserautomatisering
- finansanalyse
- håndtering av kodearkiver
- 3D-design
Disse ble kombinert med en samlet vurdering, slik at testen rapporterte sju evalueringspunkter totalt. Resultatene skal være basert på gjennomsnittet av tre komplette gjennomkjøringer. 10
7
Det gjør testen relevant for virksomheter som vurderer AI-agenter. En modell kan være imponerende på generell kunnskap eller abstrakt resonnering, men likevel være lite nyttig hvis den ikke klarer å bruke verktøy pålitelig eller komme seg gjennom en hel arbeidsflyt.
Slik gjorde StartLux det mot de større modellene
Den rapporterte sammenlagte rangeringen så slik ut:
- StartLux-V1.0-27B-Preview: 27B parametere, 39,25 poeng
- DeepSeek-V4-Pro: 1,6T parametere, førsteplass – 1,30 poeng foran
- DeepSeek-V4-Flash-0731: 284B parametere, 38,24 poeng
- Step-3.7-Flash: 198B parametere, rangert bak StartLux
StartLux skal også ha ligget 5,34 poeng foran sammenligningsmodellen Qwen-3.6-27B i den samme testen. Qwen-3.6-27B og AgentCPM-Explore var med i sammenligningsgrunnlaget, men tilgjengelige kilder oppgir ikke pålitelige samlede poengsummer for hver av disse modellene. 2
3
10
På enkeltområder var StartLux særlig sterk i praktiske agentoppgaver. Modellen tok førsteplass i posisjonsnavigasjon og skal ha delt førsteplassen med, eller slått, DeepSeek-V4-Pro i nettleserautomatisering og finansanalyse. 4
6
7
Et viktig resultat – med klare begrensninger
Overskriften handler først og fremst om parameter-effektivitet, ikke om at størrelsen på modeller plutselig er blitt irrelevant. Store modeller kan fortsatt ha bredere ferdigheter, bedre resultater på krevende oppgaver og større kapasitet for avansert resonnering.
CAICT-resultatet peker i stedet mot effekten av ettertrening og spesialisering. Når en test belønner presis verktøybruk, planlegging og stabil gjennomføring, kan målrettet optimalisering få stor betydning.
StartLux beskriver modellen som en lokalt kjørbar agentmodell og trekker frem en «AI trener AI»-tilnærming kalt Auto Research. Dette er selskapets forklaring på hvordan resultatet ble oppnådd. Selve testen dokumenterer den observerte ytelsen, men beviser ikke at akkurat disse treningsmetodene var årsaken. Den mest forsiktige konklusjonen er derfor at målrettet optimalisering for verktøy, planlegging og arbeidsflyter kan redusere avstanden til langt større modeller i utvalgte bedriftsoppgaver.
Hvorfor lokal kjøring kan bli mer attraktivt
En modell med 27 milliarder parametere er i utgangspunktet langt mer realistisk å kjøre på privat infrastruktur enn en modell med 1,6 billioner parametere – særlig i en kvantisert versjon og med egnet maskinvare.
For virksomheter med mange gjentakende agentoppgaver kan lokal drift gi flere mulige fordeler:
- Bedre datakontroll: Følsomme instruksjoner og verktøyresultater kan holdes i virksomhetens eget miljø i stedet for å sendes til et eksternt API.
- Mer kontroll over kostnadene: Ved høy bruk kan lokal inferens redusere enkelte løpende API-kostnader. Maskinvare, strøm, drift og utvikling må imidlertid regnes inn i den totale eierkostnaden.
- Lavere avhengighet av nettverk og leverandørkapasitet: Lokal drift kan gi mer forutsigbar tilgjengelighet og responstid.
- Tettere tilpasning: Bedriften kan tilpasse verktøy, regler og evalueringskriterier til en bestemt arbeidsprosess.
Dette er mulige gevinster, ikke automatiske garantier. Lokal AI betyr også at kunden selv må håndtere maskinvare, oppdateringer, tilgangskontroll, revisjonslogger, overvåking og sikkerhet. En mindre modell kan være enklere å kjøre uten nødvendigvis å være enklere å styre.
StartLux er del av en bredere trend
Flere selskaper utvikler nå modeller der effektiv drift veier tyngre enn høyest mulig parameterantall. NVIDIA beskriver Nemotron 3.5 Lightning som en åpen Mixture-of-Experts-modell på 30B, der 3B parametere er aktive under kjøring. Modellen er rettet mot høyvolumskjøring for AI-agenter som skal være aktive over lang tid. NVIDIAs dokumentasjon viser også støtte for Gemma 4-varianter på 12B og 31B. 25
26
Sekundærkilder og modellkataloger plasserer dessuten Metas Muse Glimmer i kategorien lokale agentmodeller. Den tilgjengelige dokumentasjonen her bekrefter imidlertid ikke uavhengig Metas opprinnelige lanseringsmateriale. 27
33
Det overordnede bildet er likevel tydelig: Utviklere optimaliserer i økende grad for aktive parametere, gjennomstrømming, kvantisering, pålitelig verktøybruk og lokal drift – ikke bare for størst mulig modell.
Hva AI-kjøpere bør måle fremover
StartLux-resultatet kan føre til en mer oppdelt innkjøpsstrategi for kinesiske virksomheter:
- Bruk kompakte, private eller lokalt kjørte modeller til sensitive, hyppige og forutsigbare arbeidsprosesser.
- Bruk de kraftigste skymodellene til brede, sjeldne eller spesielt vanskelige oppgaver der maksimal kapasitet er viktigere enn enkel drift.
- Test hele arbeidsflyten, inkludert nøyaktighet i verktøykall, evne til å håndtere feil, fullføringsgrad, kinesisk språkytelse, domeneegnethet, responstid og driftskostnad.
- Vurder styring før utrulling, med særlig vekt på tillatelser, datalagring, innsyn, modelloppdateringer og når mennesker skal overta.
Det er et mer nyttig spørsmål enn «Hvilken modell har flest parametere?»: Hvilken modell løser denne konkrete oppgaven pålitelig, til en akseptabel kostnad og med håndterbar risiko?
Kappløpet handler stadig mer om arbeidsflyt
StartLux-V1.0-27B-Preview har ikke avsluttet konkurransen mellom små og store modeller. Men resultatet gjør avveiningen vanskeligere å overse.
En kompakt modell som fungerer godt i verktøystyrte oppgaver, kan være et bedre bedriftskjøp enn en langt større modell når personvern, forutsigbare kostnader, responstid og privat drift står høyt på agendaen.
Den neste fasen av AI-innkjøp vil derfor trolig handle mindre om å finne én universell vinner og mer om å matche modellstørrelse og driftsform med selve jobben. I dette markedet er StartLuxs score på 39,25 viktig – ikke fordi parameterantallet er blitt uten betydning, men fordi den viser hvor mye kapasitet som kan konsentreres i en modell som faktisk kan vurderes for lokal drift.
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
People also ask
What is the short answer to "En liten modell nærmer seg toppen i agenttest"?
StartLux V1.0 27B Preview fikk 39,25 poeng og andreplass i CAICTs MCP test – bare 1,30 poeng bak DeepSeek V4 Pro med 1,6 billioner parametere.
What are the key points to validate first?
StartLux V1.0 27B Preview fikk 39,25 poeng og andreplass i CAICTs MCP test – bare 1,30 poeng bak DeepSeek V4 Pro med 1,6 billioner parametere. Modellen slo DeepSeek V4 Flash 0731 på 284 milliarder parametere og Step 3.7 Flash på 198 milliarder, samtidig som den gjorde det særlig godt i navigasjon, nettleserautomatisering og finansanalyse.
What should I do next in practice?
Resultatet betyr ikke at små modeller generelt har passert de største. Det viser heller at god verktøybruk, planlegging og lokal drift kan være viktigere enn parameterantallet i bestemte arbeidsflyter.