AnswersPublished20 sources
StartLux utmanar parameterjakten: 27B-modell tvåa i kinesiskt MCP-test
StartLux V1.0 27B Preview kom tvåa i CAICT:s MCP test med 39,25 poäng – bara 1,30 poäng efter DeepSeek V4 Pro med 1,6 biljoner parametrar. 27B modellen slog DeepSeek V4 Flash 0731 på 284B parametrar och Step 3.7 Flash på 198B parametrar.
Publicerad avRedigerad med GPT-5.6 LunaBilder genererade med GPT Image 1.5
Research answer
Key takeaways
- StartLux V1.0 27B Preview kom tvåa i CAICT:s MCP test med 39,25 poäng – bara 1,30 poäng efter DeepSeek V4 Pro med 1,6 biljoner parametrar.
- 27B modellen slog DeepSeek V4 Flash 0731 på 284B parametrar och Step 3.7 Flash på 198B parametrar.
- Utvecklingen talar för att modeller bör bedömas efter tillförlitlig verktygsanvändning, arbetsflöden, kostnad, integritet och möjligheten till lokal drift – inte enbart efter parameterantal.
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,
Shanghai-baserade StartLux-V1.0-27B-Preview ger nytt bränsle åt argumentet att mindre, specialiserade agentmodeller kan räcka långt. I en särskild MCP-mätning inom den kinesiska akademin CAICT:s benchmark för tillförlitliga AI-modeller kom modellen på andra plats med 39,25 poäng – bara 1,30 poäng efter DeepSeek-V4-Pro, som har 1,6 biljoner parametrar. 10
3
Det betyder inte att en modell med 27 miljarder parametrar generellt har gått om system i biljardklassen. Däremot visar resultatet att en mindre modell, optimerad för verktygsanrop och uppgifter i flera steg, kan konkurrera med betydligt större modeller när testet efterliknar praktiskt agentarbete.
Ett test av vad AI faktiskt får gjort
MCP står för Model Context Protocol, ett protokoll som kan koppla språkmodeller till externa verktyg och datakällor. Till skillnad från en traditionell kunskaps- eller resonemangsmätning handlar ett sådant test om huruvida modellen kan förstå ett mål, planera en kedja av steg, välja rätt verktyg och slutföra uppgiften i en verklig eller simulerad miljö.
CAICT-testet omfattade sex delområden: positionsnavigering, webbsökning, webbläsarautomation, finansanalys, hantering av kodarkiv och 3D-design. Tillsammans med en sammanvägd bedömning blev det sju rapporterade testpunkter. Fokus låg på samarbete mellan flera verktyg, komplex uppgiftslösning och interaktion med verkliga miljöer. Enligt rapporteringen beräknades resultatet som ett genomsnitt av tre fullständiga körningar. 10
7
Det är en viktig avgränsning. Ett MCP-test är inte samma sak som en allmän topplista för språkmodeller. För företag som vill införa AI-agenter kan förmågan att genomföra ett helt arbetsflöde vara mer relevant än hur modellen svarar på isolerade frågor.
Så stod sig 27B-modellen mot jättarna
Den rapporterade totalrankningen placerade StartLux före flera modeller med betydligt fler parametrar:
- StartLux-V1.0-27B-Preview: 27 miljarder parametrar, 39,25 poäng
- DeepSeek-V4-Pro: 1,6 biljoner parametrar, etta – 1,30 poäng före StartLux
- DeepSeek-V4-Flash-0731: 284 miljarder parametrar, 38,24 poäng
- Step-3.7-Flash: 198 miljarder parametrar, placerad under StartLux
StartLux uppges också ha slagit jämförelsemodellen Qwen-3.6-27B med 5,34 poäng i det citerade testet. Qwen-3.6-27B och AgentCPM-Explore ingick i den publicerade jämförelsegruppen, men det tillgängliga underlaget redovisar inte tillförlitliga sammanvägda poäng för samtliga modeller. 2
3
10
På delområdesnivå var resultaten särskilt starka inom praktiskt agentarbete. StartLux kom etta i positionsnavigering och uppges ha delat förstaplatsen eller varit ensam etta med DeepSeek-V4-Pro inom webbläsarautomation och finansanalys. 4
6
7
Därför är resultatet intressant – men inte avgörande
Det här är framför allt en berättelse om parameterseffektivitet, inte ett bevis på att storleken slutat spela roll. Stora modeller kan fortfarande ha bredare förmågor, bättre resultat på svåra uppgifter och större marginaler för avancerat resonemang.
CAICT-resultatet pekar i stället på att efterträning och specialisering kan få stor effekt när utvärderingen premierar pålitligt genomförande. StartLux beskriver sin modell som en lokalt körbar agentmodell och lyfter fram en metod kallad ”AI trains AI”, företagets Auto Research-ansats. Det är företagets egen förklaring till resultatet. Testet visar modellens uppmätta prestation, men fastställer inte i sig vilka träningsmetoder som orsakade den.
Den försiktiga slutsatsen är därför att riktad optimering för verktygsanvändning, planering och slutförande av arbetsflöden kan minska avståndet till mycket större modeller inom utvalda företagsuppgifter.
Lokal drift kan väga tyngre än maxprestanda
En modell med 27 miljarder parametrar är normalt betydligt mer realistisk att köra på egen infrastruktur än en modell med 1,6 biljoner parametrar – särskilt efter kvantisering och med lämplig hårdvara. För organisationer med många återkommande agentuppgifter kan lokal drift ge flera möjliga fördelar:
- Bättre datakontroll: Känsliga instruktioner och verktygsresultat kan stanna i företagets egen miljö i stället för att skickas till ett externt API.
- Mer förutsägbara kostnader: Vid hög användning kan lokal inferens minska vissa löpande API-kostnader. Hårdvara, el, drift och utveckling måste dock räknas in i den totala ägandekostnaden.
- Lägre beroende av nätet: Lokal drift kan minska känsligheten för uppkoppling, svarstider och kapacitetsproblem hos en extern leverantör.
- Större anpassningsmöjligheter: Företag kan skräddarsy verktyg, behörigheter och utvärderingar för ett avgränsat arbetsflöde.
Detta är möjliga fördelar, inte automatiska garantier. När AI flyttar in i den egna miljön flyttas också ansvaret för hårdvaruinköp, uppdateringar, åtkomstkontroller, loggning, övervakning och säkerhet till kunden. En mindre modell kan vara enklare att köra utan att för den skull vara enklare att styra.
StartLux är en del av en bredare trend
Flera aktörer utvecklar nu modeller där effektiv drift väger tyngre än maximalt parameterantal. NVIDIA beskriver Nemotron 3.5 Lightning som en öppen mixture-of-experts-modell på 30B, med 3B aktiva parametrar, inriktad på högvolymkörning för agenter som arbetar kontinuerligt. NVIDIAs dokumentation listar också Gemma 4-varianter på 12B och 31B. 25
26
Sekundärkällor och modellkataloger placerar även Metas Muse Glimmer i kategorin lokala agentmodeller, men det tillgängliga underlaget verifierar inte självständigt Metas ursprungliga lanseringsdokumentation. 27
33
Mönstret är ändå tydligt: utvecklare optimerar allt mer för aktiva parametrar, genomströmning, kvantisering, tillförlitliga verktygsanrop och lokal drift. Det handlar alltså inte bara om hur stor hela modellen är, utan om hur mycket beräkningskraft som faktiskt behövs för den aktuella uppgiften.
Så kan företag tänka vid nästa AI-inköp
StartLux-resultatet kan bidra till en mer uppdelad inköpsstrategi för kinesiska företag:
- Använd mindre privata eller lokalt körbara modeller för känsliga, volymrika och återkommande arbetsflöden.
- Använd de mest avancerade molnmodellerna för breda, sällsynta eller ovanligt svåra uppgifter där maximal kapacitet är viktigare än enkel drift.
- Testa hela arbetsflödet, inklusive precision i verktygsanrop, återhämtning efter fel, andel slutförda uppgifter, kinesiska språkkunskaper, domänpassning, svarstid och kostnad.
- Bedöm styrningen före lansering, med fokus på behörigheter, datalagring, insyn, modelluppdateringar och när en människa ska ta över.
Det ersätter den gamla frågan ”Vilken modell har flest parametrar?” med en mer användbar fråga: ”Vilken modell slutför just det här jobbet tillförlitligt, till en acceptabel kostnad och risk?”
Parameterjakten blir en kamp om arbetsflöden
StartLux-V1.0-27B-Preview har inte avslutat tävlingen mellan små och stora modeller. Men resultatet gör avvägningen svårare att ignorera. En kompakt modell som fungerar väl i verktygsstyrda arbetsflöden kan vara ett bättre företagsköp än en mycket större modell när integritet, förutsägbara kostnader, svarstid och privat drift står högt på listan.
Nästa fas av AI-inköp kommer därför sannolikt att handla mindre om att hitta en enda universell vinnare och mer om att matcha modellstorlek och driftform med arbetet. I det perspektivet är StartLuxs poäng på 39,25 betydelsefull – inte för att parameterantal blivit irrelevant, utan för att den visar hur mycket praktisk kapacitet som kan rymmas i en modell som faktiskt kan övervägas för lokal användning.
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 utmanar parameterjakten: 27B-modell tvåa i kinesiskt MCP-test"?
StartLux V1.0 27B Preview kom tvåa i CAICT:s MCP test med 39,25 poäng – bara 1,30 poäng efter DeepSeek V4 Pro med 1,6 biljoner parametrar.
What are the key points to validate first?
StartLux V1.0 27B Preview kom tvåa i CAICT:s MCP test med 39,25 poäng – bara 1,30 poäng efter DeepSeek V4 Pro med 1,6 biljoner parametrar. 27B modellen slog DeepSeek V4 Flash 0731 på 284B parametrar och Step 3.7 Flash på 198B parametrar.
What should I do next in practice?
Utvecklingen talar för att modeller bör bedömas efter tillförlitlig verktygsanvändning, arbetsflöden, kostnad, integritet och möjligheten till lokal drift – inte enbart efter parameterantal.