AnswersPublished20 sources
StartLux 27B niemal dogonił model 1,6T w teście agentów AI
StartLux V1.0 27B Preview zajął drugie miejsce w teście MCP CAICT z wynikiem 39,25 pkt — zaledwie 1,30 pkt za modelem DeepSeek V4 Pro o rozmiarze 1,6T. Model wyprzedził DeepSeek V4 Flash 0731 (284B) i Step 3.7 Flash (198B), a w nawigacji lokalizacyjnej zajął pierwsze miejsce.
Opublikowane przezEdytowane za pomocą GPT-5.6 LunaObrazy wygenerowane za pomocą GPT Image 1.5
Research answer
Key takeaways
- StartLux V1.0 27B Preview zajął drugie miejsce w teście MCP CAICT z wynikiem 39,25 pkt — zaledwie 1,30 pkt za modelem DeepSeek V4 Pro o rozmiarze 1,6T.
- Model wyprzedził DeepSeek V4 Flash 0731 (284B) i Step 3.7 Flash (198B), a w nawigacji lokalizacyjnej zajął pierwsze miejsce.
- Wynik wzmacnia argument za ocenianiem modeli przez pryzmat niezawodnego użycia narzędzi, kosztów wdrożenia, prywatności danych i skuteczności realizacji całych procesów, a nie wyłącznie liczby parametrów.
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,
Szanghajski StartLux-V1.0-27B-Preview dostarczył jednego z ciekawszych argumentów na rzecz kompaktowych, lokalnie wdrażanych modeli agentowych. W specjalnym teście MCP w ramach benchmarku zaufanej sztucznej inteligencji, przeprowadzonym przez Chińską Akademię Technologii Informacyjnych i Komunikacyjnych (CAICT), model z 27 miliardami parametrów zajął drugie miejsce z wynikiem 39,25 pkt. Do zwycięskiego DeepSeek-V4-Pro, mającego 1,6 biliona parametrów, zabrakło mu 1,30 pkt. 10
3
Nie oznacza to, że model 27B ogólnie pokonał systemy o bilionowych rozmiarach. Wynik pokazuje jednak, że mniejszy model zoptymalizowany pod kątem wywoływania narzędzi i wykonywania wieloetapowych zadań może niemal dorównać znacznie większym systemom w teście nastawionym na rzeczywiste zachowanie agentów AI.
Co mierzył test MCP CAICT?
Ocena obejmowała sześć wyspecjalizowanych obszarów:
- nawigację lokalizacyjną,
- wyszukiwanie w internecie,
- automatyzację przeglądarki,
- analizę finansową,
- zarządzanie repozytoriami kodu,
- projektowanie 3D.
Do tego dochodziła ocena zbiorcza, co dało łącznie siedem raportowanych elementów. Test koncentrował się na współpracy wielu narzędzi, realizacji złożonych poleceń i interakcji z rzeczywistym środowiskiem. Zgodnie z opisem testu średni wynik obliczono na podstawie trzech pełnych uruchomień. 10
7
To istotne zastrzeżenie. Benchmark MCP lub test korzystania z narzędzi nie jest tym samym co ogólny ranking modeli językowych. Sprawdza, czy model potrafi zrozumieć cel, zaplanować kilka kroków, wybrać właściwe narzędzia i doprowadzić operację do końca. Dla firm kupujących rozwiązania agentowe może to być bardziej praktyczne niż wynik w pojedynczych zadaniach z wiedzy czy rozumowania.
Jak StartLux wypadł na tle większych modeli?
Według opublikowanych wyników ogólna klasyfikacja wyglądała następująco:
- StartLux-V1.0-27B-Preview: 27B parametrów, 39,25 pkt;
- DeepSeek-V4-Pro: 1,6T parametrów, pierwsze miejsce — 1,30 pkt przed StartLux;
- DeepSeek-V4-Flash-0731: 284B parametrów, 38,24 pkt;
- Step-3.7-Flash: 198B parametrów, wynik niższy niż StartLux.
StartLux miał również wyraźnie wyprzedzić model o tej samej liczbie parametrów, Qwen-3.6-27B — przewaga w przywoływanych raportach wyniosła 5,34 pkt. W zestawie porównawczym znalazły się także Qwen-3.6-27B i AgentCPM-Explore, ale dostępne materiały nie podają wiarygodnych wyników zbiorczych każdego z tych modeli. 2
3
10
Najmocniej model wypadł w zadaniach o wyraźnie praktycznym charakterze. StartLux zajął pierwsze miejsce w nawigacji lokalizacyjnej, a w automatyzacji przeglądarki i analizie finansowej miał remisować z DeepSeek-V4-Pro lub go wyprzedzać. 4
6
7
Dlaczego ten wynik jest ważny — i czego nie dowodzi?
To przede wszystkim historia o efektywnym wykorzystaniu parametrów, a nie dowód na to, że skala modelu przestała mieć znaczenie. Duże modele nadal mogą oferować szerszy zakres możliwości, lepsze wyniki w trudniejszych zadaniach i większy potencjał w zaawansowanym rozumowaniu.
Rezultat CAICT sugeruje natomiast, że dostrajanie po treningu i specjalizacja zadaniowa mogą mieć szczególnie duże znaczenie wtedy, gdy test premiuje przewidywalne wykonanie pracy. StartLux opisuje swój model jako lokalnie wdrażalny model agentowy i promuje podejście Auto Research określane jako „AI trains AI”. Są to wyjaśnienia przedstawiane przez firmę. Sam benchmark potwierdza zaobserwowaną skuteczność, ale nie rozstrzyga, które metody treningowe ją spowodowały.
Najostrożniejszy wniosek brzmi więc: ukierunkowana optymalizacja pod kątem użycia narzędzi, planowania i realizacji procesów może zmniejszyć dystans do znacznie większych modeli w wybranych zadaniach biznesowych.
Co może zmienić lokalne wdrożenie?
Model 27B jest znacznie bardziej realistycznym kandydatem do uruchomienia na prywatnej infrastrukturze niż model o rozmiarze 1,6T — zwłaszcza po zastosowaniu kwantyzacji i przy odpowiednim sprzęcie. Może to być atrakcyjne dla organizacji obsługujących powtarzalne zadania agentowe o dużej liczbie wywołań.
Potencjalne korzyści obejmują:
- Kontrolę nad danymi: wrażliwe polecenia i wyniki działania narzędzi mogą pozostać w środowisku firmy, zamiast trafiać do zewnętrznego API.
- Kontrolę kosztów: przy dużej liczbie zapytań lokalne wnioskowanie może ograniczyć część stałych opłat za API. Do całkowitego kosztu posiadania trzeba jednak doliczyć sprzęt, energię, utrzymanie i pracę inżynieryjną.
- Opóźnienia i dostępność: lokalne wdrożenie zmniejsza zależność od łączności internetowej i mocy obliczeniowych dostępnych po stronie dostawcy.
- Możliwość dostosowania: firma może dopasować narzędzia, zasady dostępu i proces oceny do konkretnego obiegu pracy.
Nie są to automatyczne gwarancje. Lokalne AI przenosi na klienta odpowiedzialność za zakup sprzętu, aktualizacje modeli, kontrolę dostępu, dzienniki audytowe, monitoring i bezpieczeństwo. Mniejszy model może być łatwiejszy do uruchomienia, ale niekoniecznie łatwiejszy do zarządzania.
StartLux wpisuje się w szerszy trend kompaktowych agentów
Rynek coraz wyraźniej rozwija modele projektowane z myślą o efektywności, a nie wyłącznie o maksymalnej liczbie parametrów. NVIDIA opisuje Nemotron 3.5 Lightning jako otwarty model mixture-of-experts o rozmiarze 30B, w którym aktywnych jest 3B parametrów. System ma służyć do wysokowolumenowego wykonywania zadań przez stale działających agentów. Dokumentacja wsparcia modeli NVIDIA wymienia także warianty Gemma 4 o rozmiarach 12B i 31B. 25
26
Źródła wtórne i katalogi modeli umieszczają również Muse Glimmer firmy Meta w kategorii modeli przeznaczonych do lokalnych agentów, ale dostępne materiały nie pozwalają niezależnie potwierdzić tego na podstawie oryginalnej dokumentacji Meta. 27
33
Szerszy kierunek jest jednak czytelny: twórcy optymalizują dziś nie tylko całkowitą liczbę parametrów, lecz także liczbę parametrów aktywnych podczas wnioskowania, przepustowość, kwantyzację, niezawodność korzystania z narzędzi i możliwość pracy lokalnej.
Co powinni mierzyć nabywcy modeli AI?
Wynik StartLux może skłonić chińskie przedsiębiorstwa do bardziej segmentowego podejścia do zakupów AI:
- Kompaktowe modele prywatne lub lokalne warto rozważyć przy wrażliwych, masowych i powtarzalnych procesach.
- Najbardziej zaawansowane modele chmurowe lepiej rezerwować dla zadań szerokich, rzadkich lub wyjątkowo trudnych, w których liczy się maksymalna zdolność modelu.
- Benchmarkiem powinien być cały proces, a nie tylko odpowiedź modelu. Należy sprawdzać dokładność wywołań narzędzi, odzyskiwanie po błędach, odsetek ukończonych zadań, jakość obsługi języka chińskiego, dopasowanie do domeny, opóźnienia i koszty operacyjne.
- Zarządzanie ryzykiem powinno poprzedzać wdrożenie — szczególnie w zakresie uprawnień, przechowywania danych, obserwowalności, aktualizacji modelu i przekazywania spraw człowiekowi.
To zmienia pytanie z „który model ma najwięcej parametrów?” na znacznie praktyczniejsze: „który model niezawodnie wykona tę pracę przy akceptowalnym koszcie i ryzyku?”.
Wyścig na parametry zmienia się w wyścig na skuteczność procesów
StartLux-V1.0-27B-Preview nie zakończył rywalizacji między małymi i dużymi modelami. Sprawił jednak, że kompromisu nie da się już tak łatwo ignorować. Kompaktowy model dobrze radzący sobie z rzeczywistymi zadaniami opartymi na narzędziach może być dla przedsiębiorstwa lepszym zakupem niż znacznie większy system — zwłaszcza gdy priorytetami są prywatność, przewidywalne koszty, niskie opóźnienia i wdrożenie we własnej infrastrukturze.
Kolejny etap zakupów AI będzie prawdopodobnie mniej polegał na wyborze jednego uniwersalnego zwycięzcy, a bardziej na dopasowaniu rozmiaru modelu i sposobu wdrożenia do konkretnej pracy. W tym ujęciu wynik 39,25 pkt StartLux jest ważny nie dlatego, że czyni liczbę parametrów nieistotną, lecz dlatego, że pokazuje, ile użytecznych możliwości można skoncentrować w modelu wystarczająco małym, by brać pod uwagę lokalne zastosowania.
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 "StartLux 27B niemal dogonił model 1,6T w teście agentów AI"?
StartLux V1.0 27B Preview zajął drugie miejsce w teście MCP CAICT z wynikiem 39,25 pkt — zaledwie 1,30 pkt za modelem DeepSeek V4 Pro o rozmiarze 1,6T.
What are the key points to validate first?
StartLux V1.0 27B Preview zajął drugie miejsce w teście MCP CAICT z wynikiem 39,25 pkt — zaledwie 1,30 pkt za modelem DeepSeek V4 Pro o rozmiarze 1,6T. Model wyprzedził DeepSeek V4 Flash 0731 (284B) i Step 3.7 Flash (198B), a w nawigacji lokalizacyjnej zajął pierwsze miejsce.
What should I do next in practice?
Wynik wzmacnia argument za ocenianiem modeli przez pryzmat niezawodnego użycia narzędzi, kosztów wdrożenia, prywatności danych i skuteczności realizacji całych procesów, a nie wyłącznie liczby parametrów.