Xiaohongshus AI-modell på 280 miljarder parametrar är större än en vanlig modellrelease

Xiaohongshus lansering av dots3-note preview handlar om betydligt mer än själva modellvikterna. Företaget går från att främst använda AI i sök, rankning och rekommendationer till att bygga ett eget intelligenslager för multimodal innehållsförståelse, assistenter och framtida funktioner för kreatörer och handel.

Det betyder inte att dots3-note preview plötsligt är världens bästa allroundmodell. Den mer hållbara tolkningen är att Xiaohongshu bygger en modell som är tillräckligt kapabel för företagets egna data och användarflöden, tillräckligt effektiv för att kunna distribueras och tillräckligt öppen för att locka externa tester och utvecklarverktyg.

Vad är dots3-note preview?

Dots3-note preview är den första offentliga modellen i Xiaohongshus dots3-familj. Den använder en mixture-of-experts-arkitektur (MoE) med totalt 280 miljarder parametrar, men aktiverar 16 miljarder parametrar per token. Modellen stöder upp till 512 000 token i kontext och kan ta emot text, bilder, video och ljud som indata, medan utdata består av text. 249

Skillnaden mellan totala och aktiva parametrar är viktig. I en MoE-modell finns ett stort urval specialiserade vikter, men hela modellen behöver inte användas för varje token. Xiaohongshu kan därmed sikta på bred kapacitet utan att varje inferenskörning blir lika kostsam som i en tät modell där samtliga 280 miljarder parametrar är aktiva.

Modellen är dessutom tänkt för avancerat resonemang och längre agentuppgifter. De offentliga beskrivningarna lyfter fram flerords-sökningar och uppgifter som sträcker sig över flera steg, snarare än enbart korta frågor och svar. 12 Det passar en plattform där inlägg, bilder, videor, omdömen och köpbeslut ofta hänger ihop över tid.

Därför passar arkitekturen plattformens produkter

Ett livsstilsbeslut är sällan en enda sökning. En användare kan vilja jämföra resmål, bedöma produkter, tolka bilder, väga samman rekommendationer från andra användare och därefter fatta ett beslut. En modell med multimodal indata och ett kontextfönster på 512 000 token skulle i princip kunna hålla mer av detta underlag samlat i samma arbetskontext.

Det öppnar för ett möjligt flöde där AI hjälper till att:

1. hitta relevanta inlägg eller produkter,
2. jämföra påståenden, bilder och användarerfarenheter,
3. sammanfatta för- och nackdelar, och
4. hjälpa användaren att gå vidare till en konkret handling.

Detta är en slutsats utifrån modellens angivna egenskaper och utvärderingsmål – inte ett bevis på att Xiaohongshu redan har lanserat varje steg som en synlig användarfunktion. Den strategiska förändringen ligger i den tänkta räckvidden: AI ska kunna knyta ihop upptäckt, tolkning och handling, i stället för att bara rangordna eller rekommendera innehåll.

Dots3-familjen pekar på infrastruktur, inte ett engångsexperiment

Själva namnet dots3-note preview antyder också en portföljstrategi. Xiaohongshu har beskrivit planerade varianter med namnen jazz och aria. Tanken är att familjen ska täcka olika avvägningar mellan kapacitet, svarstid och kostnad. 18

En sådan struktur är användbar för en stor konsumentplattform. En snabbare och billigare modell kan hantera interaktioner i hög volym, medan mer krävande varianter kan reserveras för komplext resonemang, multimodal analys eller långvariga agentuppgifter.

En modellfamilj gör det också möjligt att anpassa storlek och kostnad efter varje produkts ekonomi, i stället för att skicka alla uppgifter genom ett enda tungt system. Releasen handlar därför mindre om att använda en modell överallt och mer om att skapa en återanvändbar intern plattform för flera produkter.

Varför släppa modellen under Apache 2.0?

Xiaohongshu släppte modellen under den tillåtande licensen Apache 2.0 och gjorde den tillgänglig via Hugging Face och GitHub. 239 Det sänker tröskeln för forskare och utvecklare att granska, köra, ändra och kommersiellt integrera modellen, inom licensens villkor.

För Xiaohongshu kan det ge både praktiska och strategiska fördelar:

• Extern utvärdering: oberoende användare kan upptäcka fel och svagheter som interna tester missar.
• Feedback om driftsättning: utvecklare kan hitta flaskhalsar och förbättra integrationer med serveringsramverk och hårdvara.
• Ett större ekosystem: finjusteringar, verktyg och applikationer kan sprida modellen bortom Xiaohongshus egna produkter.
• Kompetens och trovärdighet: en körbar offentlig release ger forskare något konkret att granska och bygga vidare på.

De offentliga kodarkiven och modellmaterialen innehåller vägar för driftsättning och olika checkpoint-alternativ. Det gör releasen till ett praktiskt erbjudande, inte bara ett forskningsmeddelande. 34

Öppna modellvikter bevisar däremot inte automatiskt kvalitet, säkerhet eller produktionsmognad. De gör det lättare för utomstående att undersöka dessa egenskaper. Det är särskilt viktigt för en preview-modell, där offentliga utvärderingar bör ses som indikationer på kapacitet – inte som ett fullständigt, oberoende slutomdöme.

Stöd för Huawei Ascend samma dag signalerar portabilitet

Releasen omfattade även en anpassning för Huaweis Ascend-hårdvara samma dag. 115 Det tyder på att möjligheten att köra modellen på olika typer av hårdvara är en del av strategin, inte något som lagts till i efterhand.

För en kinesisk plattform kan stöd för mer än ett accelerator-ekosystem ge större flexibilitet i driftsättningen, bättre motståndskraft i leveranskedjan och underlätta inhemsk eller lokal användning. Det visar däremot inte i sig att modellen är mer kapabel än konkurrerande system. Snarare visar det att Xiaohongshu redan tänker på var modellen ska köras och vilka som ska kunna använda den.

Varför bygga en egen modell när det redan finns externa alternativ?

Tredjepartsmodeller kan erbjuda starka generella funktioner. Men Xiaohongshu har tillgångar som en generell modellleverantör inte fullt ut kontrollerar: multimodalt innehåll från den egna plattformen, användarnas sök- och sparbeteende, kreatörernas och gemenskapens egna konventioner samt livsstilsbeslut som ofta kräver lokal och visuell kontext.

Om Xiaohongshu äger modellagret får företaget större kontroll över:

• hur modellen anpassas till plattformens innehåll och terminologi,
• kostnaden per körning vid mycket stora frågevolymer,
• svarstid och produktutveckling,
• integritets- och säkerhetsval, samt
• beroendet av en annan leverantörs priser, tillgänglighet och färdplan.

Plattformen har dessutom en direkt distributionskanal. Xiaohongshu beskrivs i rapporteringen som en tjänst med över 300 miljoner månadsanvändare, vilket ger en framgångsrik modellfamilj en stor miljö för testning och integration. 115 Den kommersiella vinsten är inte garanterad, men den strategiska logiken är tydlig: om AI blir det viktigaste gränssnittet för att upptäcka och agera på livsstilsinformation kan plattformen som kontrollerar både innehållsekosystemet och intelligenslagret också behålla mer av värdet som skapas.

En del av Kinas kapplöpning om plattformsmodeller

Xiaohongshus satsning passar in i ett bredare mönster där stora kinesiska teknikföretag utvecklar grundmodeller parallellt med konsumentprodukter, molntjänster och hårdvaruekosystem. ByteDance har utvecklat Doubao-familjen, Alibaba har byggt Qwen, och Reuters har beskrivit den bredare konkurrensen mellan kinesiska AI-bolag och deras strategier med billiga eller öppna modeller. 171819

IDC:s översikt över Kinas grundmodell-landskap listar också modellinitiativ kopplade till Alibaba, Baidu, ByteDance, Tencent och andra stora teknikföretag. 21 Den gemensamma logiken är vertikal integration: egna modeller kan knyta ihop ett företags data, distribution, infrastruktur och utvecklare tätare än ett externt API.

Xiaohongshus särskilda utgångspunkt är livsstil och innehållsdrivna beslut. Alibaba närmar sig marknaden med styrkor inom handel och molntjänster, Baidu med sök och företagslösningar, ByteDance med en enorm konsumentdistribution och egna modellinitiativ, medan Tencent har stora sociala och digitala plattformsekosystem. Produkterna och kapaciteterna skiljer sig åt, men riktningen är likartad: grundmodeller håller på att bli central infrastruktur, inte bara tillval i enskilda appar.

Den viktigaste slutsatsen

Dots3-note preview behöver inte slå ut de ledande frontiermodellerna för att bli strategiskt betydelsefull. Det viktiga är kombinationen av storlek, gles aktivering, lång kontext, multimodal förståelse, öppen licens och stöd för flera typer av hårdvara.

Tillsammans visar valen att Xiaohongshu försöker kontrollera lagret under framtidens produkter. Företaget förbereder sig för en värld där användare inte bara söker efter livsstilskunskap eller bläddrar bland rekommendationer. De ber ett AI-system tolka innehåll, jämföra alternativ och hjälpa dem att driva ett beslut genom flera steg.

Releasen bör därför ses som en infrastruktursatsning: tillräckligt kapabel men inte presenterad som universellt överlägsen, öppen nog för att granskas och nära kopplad till den data och de arbetsflöden som plattformen själv har byggt upp.