Chińscy giganci internetu konsumenckiego przestają być tylko klientami AI

Historia chińskiej sztucznej inteligencji nie kończy się na głośnych startupach, takich jak DeepSeek, Z.ai, Moonshot AI czy MiniMax. Coraz większą rolę odgrywają także firmy, które dotąd kojarzyły się przede wszystkim z zakupami, mediami społecznościowymi, grami albo usługami turystycznymi. Budują one własne modele bazowe, które można dostosować do produktów, treści, sprzedawców i procesów działających w ich ekosystemach. 13

Najbardziej wyrazistym przykładem w dostępnych materiałach jest RedNote — znane w Chinach jako Xiaohongshu — oraz jego laboratorium AI Dots Studio. Wydanie modelu Dots3-Note Preview pokazuje, dlaczego platforma konsumencka może chcieć tworzyć coś więcej niż ogólnodostępnego chatbota: model można zaprojektować z myślą o własnych treściach multimodalnych i zadaniach wymagających długiego, wieloetapowego działania.

Od użytkownika modeli do ich twórcy

Do tej pory platformy konsumenckie mogły korzystać z zaawansowanej AI, wywołując modele zewnętrznych dostawców przez API. Zbudowanie własnego modelu bazowego jest znacznie trudniejsze, ale daje większą kontrolę nad sposobem wdrażania technologii i dostosowywania jej do konkretnych produktów.

W e-commerce, gamingu, mediach społecznościowych czy turystyce przydatna warstwa AI rzadko ogranicza się do zwykłej rozmowy. System może musieć interpretować obrazy i wideo, rozumieć kontekst produktu lub miejsca, analizować treści tworzone przez użytkowników, pomagać sprzedawcom i twórcom albo realizować zadania rozłożone na wiele kroków.

Strategiczny cel polega więc na połączeniu możliwości modelu z istniejącymi systemami handlowymi, treściowymi i operacyjnymi platformy, zamiast traktowania AI jako osobnej funkcji. Nie oznacza to jednak koniecznie rezygnacji z modeli zewnętrznych. Podejście hybrydowe — korzystanie z usług innych firm tam, gdzie są najmocniejsze, przy jednoczesnym rozwijaniu własnych systemów do zadań szczególnie wartościowych lub specyficznych dla platformy — może zapewnić większą kontrolę i możliwość personalizacji. Dostępne materiały potwierdzają szerszy zwrot w stronę niestandardowych rozwiązań AI w dojrzałych firmach internetowych, ale nie dowodzą, że każda firma z każdej kategorii stosuje dokładnie tę samą ścieżkę technologiczną. 13

Co pokazuje model Dots3-Note Preview

Dots Studio wydało Dots3-Note Preview 14 sierpnia 2026 roku jako pierwszy model z rodziny dots3 udostępniony z otwartymi wagami. 214 Jego specyfikacja zwraca uwagę kilkoma elementami:

• 280 miliardów parametrów, z czego 16 miliardów aktywowanych dla każdego tokenu: model wykorzystuje architekturę Mixture of Experts, czyli „mieszanki ekspertów”. Jego całkowita pojemność jest znacznie większa niż liczba parametrów używanych przy każdym pojedynczym obliczeniu. 12
• Obsługa wielu typów danych: system przyjmuje tekst, obrazy, wideo i dźwięk, a nie tylko tekst. 1
• Kontekst do 512 tysięcy tokenów: tak duże okno kontekstowe pozwala przetwarzać wyjątkowo obszerne materiały i utrzymywać informacje potrzebne przy długich zadaniach. 3
• Licencja Apache 2.0: publicznie udostępnione wagi są rozpowszechniane na liberalnych warunkach, więc nie jest to wyłącznie zamknięta usługa wewnętrzna firmy. 2

Taki zestaw cech pasuje do środowiska platformowego, w którym informacje pojawiają się w wielu formatach, a wykonanie zadania może wymagać zachowania kontekstu przez dłuższą sekwencję działań. Sama architektura nie dowodzi jeszcze, że model przełoży się na lepsze produkty dla konsumentów. Pokazuje jednak skalę ambicji firmy znanej przede wszystkim jako platforma społecznościowa i lifestylowa.

Jak ostrożnie czytać wyniki benchmarków

RedNote podało, że Dots3-Note Preview dorównywał wybranym modelom OpenAI, Anthropic, DeepSeek i Z.ai lub przewyższał je w określonych benchmarkach. 13 To istotne twierdzenie, ale należy interpretować je wąsko.

Wynik benchmarku zależy między innymi od rodzaju zadania, sposobu przeprowadzenia testu, metody konstruowania promptów, wersji modelu oraz tego, czy rezultat został niezależnie powtórzony. Dostępne materiały opisują te rezultaty jako testy przytaczane przez firmę; nie dowodzą, że Dots3-Note Preview jest ogólnie lepszy od wymienionych modeli pod względem codziennego użytkowania, niezawodności, kosztów czy wdrożeń komercyjnych. 13

Trwalszy wniosek nie dotyczy więc jednego miejsca w tabeli wyników. Ważniejsze jest to, że platforma konsumencka stworzyła i publicznie udostępniła duży multimodalny model bazowy, pozycjonowany jednocześnie jako narzędzie do złożonego rozumowania i długich, wieloetapowych zadań. 13

Dlaczego własny ekosystem ma znaczenie

Model ogólny może zapewnić szerokie zdolności językowe i rozumowania. Model należący do platformy można natomiast ściślej połączyć z systemami, które tworzą wartość biznesową: treściami, rekomendacjami, produktami, sprzedawcami, twórcami, lokalizacjami, rezerwacjami i intencjami użytkowników.

Taka integracja może sprawić, że model będzie szczególnie użyteczny w wąsko zdefiniowanych zadaniach, nawet jeśli nie jest liderem każdego ogólnego benchmarku. W przypadku platform konsumenckich AI może działać w tle: poprawiać wyszukiwanie i rekomendacje, wspierać tworzenie treści, pomagać sprzedawcom, moderować materiały, planować podróże albo obsługiwać procesy w grach.

Dla użytkownika efekt może być mniej widowiskowy niż premiera nowego chatbota. Dla firm zmienia się jednak pytanie strategiczne. Nie brzmi ono już wyłącznie: „Kto ma najlepszy model ogólny?”, lecz raczej: „Kto potrafi zamienić dobry model w niezawodne, wyspecjalizowane usługi działające na dużą skalę?”.

Szerszy obraz chińskiego sektora technologicznego

Wydanie modelu przez Dots Studio wskazuje na bardziej rozproszony chiński ekosystem AI. Firmy z sektora internetu konsumenckiego nie są już tylko potencjalnymi klientami dostawców zaawansowanych modeli. Część z nich staje się własnymi organizacjami badawczymi, szkoleniowymi i wdrożeniowymi. 13

To poszerza mapę rywalizacji poza najbardziej znane laboratoria AI. Coraz większe znaczenie ma wiedza o konkretnej platformie: wartość modelu może wynikać nie tylko z wyniku w uniwersalnym teście, lecz także z tego, jak skutecznie rozumie on dany ekosystem i potrafi w nim działać.

Najmocniejsze dowody dotyczą RedNote oraz opisywanego kierunku rozwoju całej branży, a nie kompletnego katalogu rozwiązań technicznych Meituan czy każdej chińskiej firmy e-commerce, gamingowej, społecznościowej i turystycznej. Mimo tego ograniczenia sygnał jest czytelny: kolejna faza konsumenckiej AI w Chinach może powstawać po cichu, wewnątrz usług, z których użytkownicy już dziś korzystają.