Dots3-note preview: Xiaohongshu buduje własną warstwę AI

Udostępnienie modelu dots3-note preview przez Xiaohongshu jest ważniejsze niż sama publikacja kolejnego zestawu wag. Chińska platforma przechodzi od wykorzystywania AI w wyszukiwarce, rankingu i rekomendacjach do budowania własnej, ogólnego przeznaczenia warstwy inteligencji. W przyszłości może ona obsługiwać rozumienie treści multimodalnych, asystentów oraz narzędzia dla twórców i handlu.

Nie oznacza to jednak, że dots3-note preview jest nowym uniwersalnym liderem. Ostrożniejsza i bardziej uzasadniona interpretacja jest taka, że Xiaohongshu tworzy model wystarczająco dobry dla własnych danych i ścieżek użytkownika, możliwie efektywny we wdrożeniu oraz na tyle otwarty, by zachęcić zewnętrznych badaczy i programistów do testów.

Czym jest dots3-note preview?

Dots3-note preview to pierwszy publiczny model z rodziny dots3 rozwijanej przez Xiaohongshu. Wykorzystuje architekturę mixture of experts (MoE) i ma 280 mld parametrów, ale przy przetwarzaniu pojedynczego tokena aktywowanych jest 16 mld. Obsługuje kontekst do 512 tys. tokenów, przyjmuje tekst, obrazy, wideo i dźwięk, a jego wyjściem jest tekst. 249

Rozróżnienie między całkowitą a aktywną liczbą parametrów ma znaczenie. Model MoE może zawierać dużą pulę wyspecjalizowanych wag, nie uruchamiając całej puli przy każdym tokenie. Xiaohongshu może więc celować w szerokie możliwości modelu, jednocześnie ograniczając koszt pojedynczego wnioskowania w porównaniu z gęstym modelem, w którym za każdym razem pracowałyby wszystkie 280 mld parametrów.

Model pozycjonowany jest także jako narzędzie do złożonego rozumowania i długotrwałych zadań agentowych. Publiczne opisy akcentują wieloetapowe wyszukiwanie i wykonywanie zadań obejmujących kilka etapów, a nie tylko udzielanie krótkich odpowiedzi. 12 To dobrze pasuje do platformy opartej na postach, zdjęciach, filmach, recenzjach i decyzjach, które często wymagają więcej niż jednego wyszukania.

Dlaczego ta architektura pasuje do Xiaohongshu?

Decyzja dotycząca stylu życia rzadko sprowadza się do jednego zapytania w wyszukiwarce. Użytkownik może chcieć porównać kierunki podróży, ocenić produkty, zinterpretować przykłady wizualne, zestawić rekomendacje społeczności i dopiero potem dokonać wyboru. Model multimodalny z oknem kontekstu 512 tys. tokenów może — przynajmniej w założeniu — przechowywać więcej tych informacji w jednym kontekście roboczym.

Możliwy przebieg takiej interakcji wyglądałby następująco:

1. znalezienie odpowiednich wpisów lub produktów;
2. porównanie twierdzeń, zdjęć i doświadczeń użytkowników;
3. podsumowanie kompromisów i różnic;
4. pomoc w przejściu od informacji do konkretnego działania.

To wniosek wynikający z deklarowanych możliwości modelu i celów ewaluacyjnych, a nie dowód, że Xiaohongshu uruchomiło już każdy z tych etapów jako funkcję dla użytkowników. Najważniejsza jest tu zmiana zakresu ambicji: AI ma łączyć odkrywanie treści, ich interpretację i działanie, zamiast ograniczać się do sortowania lub rekomendowania materiałów.

Rodzina dots3, czyli infrastruktura, a nie jednorazowy eksperyment

Sama nazwa dots3-note preview sugeruje strategię opartą na całej rodzinie modeli. Xiaohongshu zapowiedziało warianty o nazwach jazz i aria, które mają zajmować różne miejsca na osi możliwości, opóźnień i kosztów. 18

Taki układ jest praktyczny dla dużej platformy konsumenckiej. Szybszy i tańszy model może obsługiwać interakcje o dużej skali, a bardziej wymagające warianty można rezerwować do złożonego rozumowania, analizy multimodalnej czy długotrwałej pracy agentów. Rodzina modeli pozwala dopasować ich rozmiar do ekonomiki produktu, zamiast kierować każde zadanie do jednego ciężkiego systemu.

W tym sensie Xiaohongshu nie próbuje po prostu „wstawić” jednego modelu w każde miejsce. Buduje wielokrotnego użytku platformę wewnętrzną, która może zasilać różne produkty.

Dlaczego licencja Apache 2.0?

Xiaohongshu udostępniło model na liberalnej licencji Apache 2.0, a pliki i kod opublikowało między innymi w serwisach Hugging Face i GitHub. 239 Przy zachowaniu warunków licencji obniża to próg wejścia dla badaczy i programistów, którzy chcą model analizować, uruchamiać, modyfikować lub wykorzystywać komercyjnie.

Dla Xiaohongshu korzyści są zarówno wizerunkowe, jak i praktyczne:

• zewnętrzna ewaluacja — niezależni użytkownicy mogą sprawdzać błędy i zachowanie modelu w realnych zadaniach, których nie obejmują wewnętrzne testy;
• informacje o wdrożeniach — programiści mogą wskazywać wąskie gardła oraz poprawiać integracje z narzędziami do serwowania modeli i sprzętem;
• rozwój ekosystemu — dostrajanie modeli, narzędzia i aplikacje mogą zwiększyć ich zasięg poza produktami Xiaohongshu;
• wiarygodność i rekrutacja — publiczna, możliwa do uruchomienia wersja daje badaczom konkretny materiał do oceny i rozwijania.

Publiczne repozytoria i materiały modelu zawierają ścieżki wdrożeniowe oraz warianty checkpointów, więc jest to wydanie operacyjne, a nie wyłącznie komunikat badawczy. 34

Otwarte wagi nie są automatycznym dowodem jakości, bezpieczeństwa ani gotowości produkcyjnej. Ułatwiają jednak zewnętrznym podmiotom sprawdzenie tych cech. To ważne w przypadku modelu oznaczonego jako „preview”: publiczne wyniki należy traktować jako dowód określonych możliwości, a nie pełny, niezależny werdykt.

Wsparcie dla Huawei Ascend od pierwszego dnia

W dniu premiery udostępniono także adaptację dla sprzętu Huawei Ascend. 115 Sugeruje to, że przenośność między platformami sprzętowymi jest elementem strategii, a nie dodatkiem zaplanowanym na później.

Dla chińskiej platformy możliwość działania poza jednym ekosystemem akceleratorów może zwiększać elastyczność wdrożeń, odporność łańcucha dostaw oraz wykonalność zastosowań krajowych lub lokalnych. Samo wsparcie dla konkretnego sprzętu nie dowodzi, że model jest bardziej zaawansowany od konkurencji. Pokazuje natomiast, że Xiaohongshu myśli o tym, gdzie model będzie uruchamiany i kto będzie mógł go przyjąć.

Po co własny model, skoro dostępne są systemy zewnętrzne?

Modele firm trzecich mogą oferować bardzo szerokie możliwości ogólne. Platforma taka jak Xiaohongshu ma jednak zasoby, których uniwersalny dostawca nie kontroluje w pełni: własne treści multimodalne, dane o wyszukiwaniu i zapisywaniu materiałów, konwencje społeczności twórców oraz specyficzne decyzje dotyczące stylu życia.

Posiadanie własnej warstwy modelowej może dać Xiaohongshu większą kontrolę nad:

• dostosowaniem systemu do własnych treści i terminologii;
• kosztami wnioskowania przy bardzo dużej liczbie zapytań;
• opóźnieniami i tempem zmian w produktach;
• decyzjami dotyczącymi prywatności i bezpieczeństwa;
• zależnością od cen, dostępności i planów rozwojowych zewnętrznego dostawcy.

Platforma ma również bezpośredni kanał dystrybucji. Według opisów Xiaohongshu ma ponad 300 mln użytkowników miesięcznie, co daje rodzinie modeli duże środowisko do testowania i integracji. 115 Nie gwarantuje to sukcesu komercyjnego, ale logika strategiczna jest czytelna: jeśli AI stanie się głównym interfejsem odkrywania informacji o stylu życia i podejmowania decyzji, platforma kontrolująca zarówno ekosystem treści, jak i warstwę inteligencji może zatrzymać większą część powstającej wartości.

Jak to wpisuje się w wyścig modeli w Chinach?

Xiaohongshu dołącza do szerszego trendu, w którym najwięksi chińscy giganci technologiczni rozwijają modele bazowe równolegle z produktami konsumenckimi, usługami chmurowymi i ekosystemami sprzętowymi. ByteDance rozwija rodzinę Doubao, Alibaba — Qwen, a Reuters opisywał szerszą rywalizację chińskich firm AI oraz ich strategie związane z tanimi i otwartymi modelami. 171819

Przegląd chińskiego rynku modeli bazowych przygotowany przez IDC wymienia również inicjatywy powiązane z Alibaba, Baidu, ByteDance, Tencentem i innymi dużymi firmami technologicznymi. 21 Wspólnym mianownikiem jest pionowa integracja: własny model może ściślej połączyć dane, dystrybucję, infrastrukturę i społeczność deweloperów niż zewnętrzne API.

Punktem wejścia Xiaohongshu są treści dotyczące stylu życia i decyzje podejmowane na ich podstawie. Alibaba ma przewagę w handlu i chmurze, Baidu — w wyszukiwarce i rozwiązaniach dla przedsiębiorstw, ByteDance łączy ogromną dystrybucję konsumencką z własnymi modelami, a Tencent dysponuje rozległymi ekosystemami społecznościowymi i platformowymi. Produkty i możliwości poszczególnych firm są różne, lecz kierunek pozostaje podobny: modele bazowe stają się strategiczną infrastrukturą, a nie opcjonalnym dodatkiem do aplikacji.

Najważniejszy wniosek

Dots3-note preview nie musi wyprzeć czołowych modeli ogólnego przeznaczenia, by mieć znaczenie. Jego wartość strategiczna wynika z połączenia skali, rzadkiej aktywacji parametrów, długiego kontekstu, rozumienia wielu formatów, otwartej licencji i przenośności sprzętowej.

Te decyzje pokazują, że Xiaohongshu chce kontrolować warstwę znajdującą się pod przyszłymi produktami. Firma przygotowuje się na świat, w którym użytkownicy nie tylko wyszukują informacje o stylu życia i przeglądają rekomendacje. Zamiast tego proszą system AI o interpretowanie treści, porównywanie możliwości i pomoc w przeprowadzeniu decyzji przez kilka kolejnych etapów.

Dlatego wydanie dots3-note preview najlepiej odczytywać jako zakład na infrastrukturę: model wystarczająco kompetentny, ale nie przedstawiany jako bezdyskusyjnie dominujący; otwarty na zewnętrzną kontrolę; i dobrze dopasowany do danych oraz sposobu działania platformy, która go stworzyła.