Hvorfor Xiaohongshu åpnet en KI-modell på 280 milliarder parametere

Xiaohongshus lansering av dots3-note preview er strategisk større enn selve modellvektene. Selskapet beveger seg fra å bruke KI i søk, rangering og anbefalinger til å bygge et eget intelligenslag som kan ligge under multimodal innholdsforståelse, assistenter og fremtidige tjenester for skapere og handel.

Det betyr ikke at dots3-note preview automatisk er verdens beste allroundmodell. En mer nøktern tolkning er at Xiaohongshu bygger en modell som er kraftig nok for selskapets egne data og brukerreiser, effektiv nok til å kunne settes i drift og åpen nok til å tiltrekke seg testing, verktøy og eksterne utviklere.

Hva er dots3-note preview?

Dots3-note preview er den første offentlige modellen i Xiaohongshus dots3-familie. Den bruker en Mixture-of-Experts-arkitektur (MoE) med 280 milliarder totale parametere, mens 16 milliarder parametere aktiveres for hvert token. Modellen støtter opptil 512 000 tokens med kontekst og kan ta imot tekst, bilder, video og lyd som input. Resultatet er tekst. 249

Forskjellen mellom totale og aktive parametere er viktig. En MoE-modell har en stor samling spesialiserte vekter, men bruker ikke hele samlingen for hvert eneste token. Xiaohongshu kan dermed sikte mot bred kapasitet uten at hvert kjøringssteg nødvendigvis koster like mye som en tett modell der alle 280 milliarder parametere er aktive.

Modellen er også rettet mot komplisert resonnering og langvarige agentoppgaver. De offentlige beskrivelsene fremhever flertrinns søk og oppgaver som går på tvers av flere faser, ikke bare korte spørsmål og svar. 12 Det passer godt med en plattform der innlegg, bilder, videoer, anmeldelser og kjøpsbeslutninger ofte henger sammen over tid.

En modell som passer plattformens brukerreiser

Et typisk livsstilsvalg er sjelden ett enkelt søk. En bruker kan ville sammenligne reisemål, vurdere produkter, tolke visuelle eksempler, veie anbefalinger fra andre brukere og deretter ta en beslutning. En modell med multimodal input og et kontekstvindu på 512K kan i prinsippet holde mer av dette materialet samlet i én arbeidskontekst.

Det åpner for en mulig reise der KI-en kan:

1. finne relevante innlegg eller produkter;
2. sammenligne påstander, bilder og brukererfaringer;
3. oppsummere fordeler og ulemper; og
4. hjelpe brukeren videre mot en konkret handling.

Dette er en slutning basert på modellens oppgitte egenskaper og evalueringstemaer – ikke dokumentasjon på at Xiaohongshu allerede har lansert alle disse stegene som funksjoner for brukerne.

Det strategisk interessante er derfor ambisjonsnivået. KI skal ikke bare rangere eller anbefale innhold, men kunne koble sammen oppdagelse, tolkning og handling.

Dots3-navnet peker mot en modellfamilie

Navnet dots3-note preview tyder også på en porteføljestrategi. Xiaohongshu har omtalt planlagte varianter kalt jazz og aria, der familien skal dekke ulike avveininger mellom kapasitet, svartid og kostnad. 18

En slik struktur er nyttig for en stor forbrukerplattform. En rask og rimelig modell kan håndtere store mengder henvendelser, mens tyngre varianter kan reserveres for komplisert resonnering, multimodal analyse eller agenter som arbeider over lengre tid.

Det gjør det mulig å tilpasse modellstørrelsen til økonomien i hvert produkt, i stedet for å sende alle oppgaver gjennom ett tungt system. Lanseringen handler dermed mindre om å plassere én modell overalt og mer om å bygge en gjenbrukbar intern plattform for flere tjenester.

Hvorfor åpne modellen under Apache 2.0?

Xiaohongshu har gjort modellen tilgjengelig under den tillatende Apache 2.0-lisensen, via Hugging Face og GitHub. 239 Det senker terskelen for forskere og utviklere som vil undersøke, kjøre, endre eller integrere modellen kommersielt – innenfor lisensens vilkår.

For Xiaohongshu kan dette gi flere praktiske fordeler:

• Ekstern evaluering: Uavhengige brukere kan avdekke svakheter og feilmønstre som interne tester ikke fanger opp.
• Tilbakemeldinger på drift: Utviklere kan finne flaskehalser og forbedre integrasjoner med serveringsrammeverk og maskinvare.
• Et større økosystem: Finjusteringer, verktøy og applikasjoner kan spre modellen utover Xiaohongshus egne produkter.
• Troverdighet og rekruttering: Forskere får noe konkret å undersøke og bygge videre på.

De offentlige arkivene og modellmaterialene inneholder også distribusjonsmuligheter og ulike sjekkpunkt, noe som gjør dette til en praktisk lansering – ikke bare en forskningskunngjøring. 34

Åpne modellvekter er likevel ikke automatisk et bevis på kvalitet, sikkerhet eller produksjonsklarhet. De gjør det først og fremst enklere for utenforstående å undersøke disse egenskapene. Det er særlig viktig for en forhåndsversjon, der offentlige resultater bør tolkes som tegn på kapasitet – ikke som en fullstendig, uavhengig dom.

Støtte for Huawei Ascend fra første dag

Lanseringen inkluderte også en tilpasning for Huawei Ascend-maskinvare samme dag. 115 Det tyder på at portabilitet er en del av strategien, ikke noe som kommer i etterkant.

For en kinesisk plattform kan støtte for mer enn ett akseleratorøkosystem gi større fleksibilitet i driften, bedre motstandsdyktighet i leverandørkjeden og gjøre lokal eller intern installasjon enklere. Det viser ikke i seg selv at modellen er bedre enn konkurrentene. Det viser at Xiaohongshu allerede tenker på hvor modellen skal kjøre – og hvem som skal kunne ta den i bruk.

Hvorfor bygge en egen modell når andre allerede finnes?

Tredjepartsmodeller kan ha sterke generelle ferdigheter. Men Xiaohongshu sitter på ressurser en generell modelltilbyder ikke kontrollerer fullt ut: eget multimodalt innhold, brukernes søke- og lagringsatferd, normene i skaperfellesskapet og domenespesifikke valg innen livsstil.

Ved å eie modellaget kan Xiaohongshu få bedre kontroll over:

• hvordan modellen tilpasses plattformens innhold og begreper;
• kostnadene ved svært store spørringsvolumer;
• svartid og produktutvikling;
• personvern- og sikkerhetsvalg; og
• avhengigheten av en annen leverandørs priser, tilgjengelighet og veikart.

Plattformen har dessuten en direkte distribusjonskanal. Xiaohongshu beskrives i rapporteringen som en tjeneste med mer enn 300 millioner månedlige brukere. Det gir en vellykket modellfamilie et stort miljø for testing og integrasjon. 115

Den kommersielle gevinsten er ikke garantert. Men den strategiske logikken er tydelig: Hvis KI blir hovedgrensesnittet for å oppdage og handle på livsstilsinformasjon, kan plattformen som kontrollerer både innholdet og intelligenslaget, beholde mer av verdien som skapes.

En del av Kinas plattformkappløp

Xiaohongshu går inn i en bredere utvikling der store kinesiske teknologiselskaper bygger grunnmodeller parallelt med forbrukertjenester, skytjenester og maskinvareøkosystemer. ByteDance har utviklet Doubao-familien, Alibaba har bygget Qwen, og Reuters har beskrevet den bredere konkurransen mellom kinesiske KI-selskaper og deres strategier for rimelige eller åpne modeller. 171819

IDCs oversikt over Kinas grunnmodellandskap lister også modellinitiativ fra blant andre Alibaba, Baidu, ByteDance og Tencent. 21 Felles for selskapene er ønsket om tettere vertikal integrasjon: En egen modell kan koble data, distribusjon, infrastruktur og utviklerøkosystem tettere sammen enn et eksternt API.

Xiaohongshus særegne inngang er livsstil og innholdsbaserte beslutninger. Alibaba kommer fra handel og nettsky, Baidu har en sterkere søke- og bedriftsprofil, ByteDance kombinerer massiv forbrukerdistribusjon med egne modeller, mens Tencent har store sosiale plattformer og økosystemer. Produktene og forutsetningene varierer, men retningen er den samme: Grunnmodeller blir strategisk infrastruktur, ikke bare ekstra funksjoner i enkeltprodukter.

Den viktigste lærdommen

Dots3-note preview trenger ikke å utkonkurrere de ledende frontmodellene for å bli viktig. Betydningen ligger i kombinasjonen av stor modellkapasitet, sparsom aktivering, lang kontekst, multimodal forståelse, åpen lisens og støtte for flere typer maskinvare.

Til sammen viser valgene at Xiaohongshu forsøker å kontrollere laget under fremtidens produkter. Selskapet forbereder seg på en situasjon der brukerne ikke bare søker etter livsstilsinformasjon eller blar gjennom anbefalinger, men ber en KI om å tolke innhold, sammenligne muligheter og hjelpe dem gjennom en beslutning i flere trinn.

Lanseringen bør derfor først og fremst forstås som et infrastruktursatsing: En modell som skal være kapabel uten å bli presentert som universelt best, åpen nok til å inviterer til gransking og tett knyttet til dataene og arbeidsflytene på plattformen som utviklet den.