AnswersPublished20 sources
StartLux-27B майже наздогнала модель із 1,6 трлн параметрів у тесті ШІ-агентів
StartLux V1.0 27B Preview посіла друге місце у спеціальному MCP тесті CAICT із результатом 39,25 — лише на 1,30 бала відставши від DeepSeek V4 Pro із 1,6 трлн параметрів. Модель із 27 млрд параметрів випередила DeepSeek V4 Flash 0731 на 284 млрд і Step 3.7 Flash на 198 млрд параметрів; у навігації вона стала першою,...
ОпублікувавВідредаговано за допомогою GPT-5.6 LunaЗображення створено за допомогою GPT Image 1.5
Research answer
Key takeaways
- StartLux V1.0 27B Preview посіла друге місце у спеціальному MCP тесті CAICT із результатом 39,25 — лише на 1,30 бала відставши від DeepSeek V4 Pro із 1,6 трлн параметрів.
- Модель із 27 млрд параметрів випередила DeepSeek V4 Flash 0731 на 284 млрд і Step 3.7 Flash на 198 млрд параметрів; у навігації вона стала першою, а в автоматизації браузера та фінансовому аналізі показала особливо си...
- Тест підштовхує оцінювати моделі не лише за кількістю параметрів, а й за надійністю виклику інструментів, вартістю розгортання, приватністю даних і здатністю завершувати реальні робочі процеси.
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,
Шанхайська компанія StartLux отримала один із найпереконливіших останніх аргументів на користь компактних локальних моделей для ШІ-агентів. У спеціальному MCP-тесті Trusted AI Large Model Benchmark, організованому Інститутом штучного інтелекту Китайської академії інформаційно-комунікаційних технологій (CAICT), модель StartLux-V1.0-27B-Preview із 27 млрд параметрів посіла друге місце із результатом 39,25 — лише на 1,30 бала відставши від DeepSeek-V4-Pro із 1,6 трлн параметрів. 10
3
Це не означає, що 27-мільярдна модель загалом перевершила системи з трильйонами параметрів. Але результат показує: модель, спеціально оптимізована для роботи з інструментами та виконання багатокрокових сценаріїв, може майже зрівнятися з набагато більшими конкурентами в тесті, наближеному до реальної роботи ШІ-агентів.
Що саме перевіряв MCP-тест
Оцінювання охоплювало шість спеціалізованих напрямів:
- навігацію за місцем розташування;
- вебпошук;
- автоматизацію браузера;
- фінансовий аналіз;
- керування кодовими репозиторіями;
- 3D-дизайн.
До них додавалася загальна оцінка — разом сім пунктів перевірки. Тест зосереджувався на взаємодії кількох інструментів, складних завданнях, багатокроковому плануванні та роботі в реальному середовищі. За повідомленнями про тестування, підсумкові показники розрахували як середнє після трьох повних запусків. 10
7
MCP — Model Context Protocol, протокол, який дає моделі стандартизований спосіб взаємодіяти із зовнішніми інструментами та джерелами даних. Тому такий тест не є звичайним рейтингом мовних моделей. Він перевіряє, чи здатна система зрозуміти мету, скласти план, викликати потрібні інструменти, виправити помилки та довести операцію до завершення.
Для компаній, які купують ШІ-агентів, це може бути практичніше за відповіді на ізольовані питання з енциклопедичних знань чи логіки.
Як StartLux порівнялася з більшими моделями
Заявлений загальний рейтинг виглядає так:
- StartLux-V1.0-27B-Preview — 27 млрд параметрів, 39,25 бала;
- DeepSeek-V4-Pro — 1,6 трлн параметрів, перше місце, перевага над StartLux становить 1,30 бала;
- DeepSeek-V4-Flash-0731 — 284 млрд параметрів, 38,24 бала;
- Step-3.7-Flash — 198 млрд параметрів, результат нижчий за StartLux.
За даними оприлюднених звітів, у порівнянні з моделлю аналогічного розміру Qwen-3.6-27B StartLux отримала перевагу в 5,34 бала. До набору учасників також входила AgentCPM-Explore, однак доступні матеріали не містять надійних підсумкових балів для кожної з цих моделей. 2
3
10
Найкраще StartLux проявила себе в прикладних агентських сценаріях. У завданні з навігації за місцем розташування вона посіла перше місце, а в автоматизації браузера та фінансовому аналізі, за повідомленнями, зрівнялася з DeepSeek-V4-Pro або випередила її. 4
6
7
Чому цей результат важливий — і чого він не доводить
Головний висновок стосується ефективності використання параметрів, а не «кінця» великих моделей. Масштабні системи й надалі можуть мати ширші можливості, кращі результати на складних завданнях і більший запас для передових міркувань.
Результат CAICT натомість свідчить, що донавчання та вузька спеціалізація здатні мати непропорційно великий вплив, якщо оцінювання винагороджує надійне виконання конкретного процесу.
StartLux називає свою модель локальною агентською системою та просуває підхід Auto Research під назвою «AI trains AI». Це пояснення самої компанії щодо того, як було досягнуто результату. Бенчмарк підтверджує зафіксовану продуктивність, але сам по собі не доводить, які саме методи навчання стали її причиною.
Тому найобережніший висновок такий: цільова оптимізація виклику інструментів, планування та завершення робочих процесів може суттєво скоротити відставання від набагато більших моделей у вибраних корпоративних завданнях.
Що змінює локальне розгортання
Модель на 27 млрд параметрів значно реалістичніше розгорнути на приватній інфраструктурі, ніж модель на 1,6 трлн параметрів — особливо якщо доступна квантизована версія та відповідне обладнання. Для організацій із великим потоком повторюваних агентських задач це потенційно дає кілька переваг:
- Контроль над даними. Чутливі запити та результати роботи інструментів можуть залишатися всередині корпоративного середовища, а не передаватися зовнішньому API.
- Контроль витрат. За великого обсягу запитів локальний запуск може зменшити регулярні платежі за API. Однак до загальної вартості володіння все одно слід додати обладнання, електроенергію, технічну підтримку та інженерні витрати.
- Затримка й доступність. Локальна система менше залежить від підключення до мережі та доступної потужності зовнішнього провайдера.
- Кастомізація. Компанія може адаптувати інструменти, політики доступу та процедури оцінювання під конкретний робочий процес.
Це можливі переваги, а не автоматичні гарантії. Локальний ШІ водночас перекладає на замовника відповідальність за закупівлю обладнання, оновлення моделей, контроль доступу, журнали аудиту, моніторинг і безпеку. Меншу модель може бути легше запустити, але це не обов’язково означає, що нею легше керувати.
StartLux — частина ширшого тренду компактних агентів
Ринок дедалі активніше випускає моделі, орієнтовані не на максимальну кількість параметрів, а на ефективність. NVIDIA описує Nemotron 3.5 Lightning як відкриту MoE-модель із 30 млрд загальних і 3 млрд активних параметрів, призначену для високочастотного виконання завдань постійно активними агентами. У документації NVIDIA також зазначені варіанти Gemma 4 на 12 і 31 млрд параметрів. 25
26
Вторинні джерела та каталоги моделей також відносять Muse Glimmer від Meta до категорії локальних агентських моделей, однак доступні тут матеріали не дають змоги незалежно перевірити оригінальну документацію Meta щодо її випуску. 27
33
Без перебільшення щодо будь-якої окремої системи загальна тенденція очевидна: розробники дедалі більше оптимізують активні параметри, пропускну здатність, квантизацію, надійність виклику інструментів і локальну роботу.
Що варто вимірювати компаніям під час вибору
Результат StartLux може підштовхнути китайські компанії до більш сегментованої стратегії закупівель:
- Компактні приватні або локальні моделі — для чутливих, масових і повторюваних процесів.
- Передові хмарні моделі — для широких, рідкісних або надзвичайно складних завдань, де максимальні можливості важливіші за простоту розгортання.
- Тестування повного робочого процесу — із перевіркою точності виклику інструментів, відновлення після помилок, частки успішно завершених задач, якості китайською мовою, відповідності галузі, затримки та операційної вартості.
- Оцінювання управління та безпеки до запуску — з урахуванням дозволів, зберігання даних, спостережуваності, оновлень моделі та передачі складних випадків людині.
Такий підхід замінює питання «У якої моделі найбільше параметрів?» на значно практичніше: «Яка модель надійно виконує саме цю роботу за прийнятних витрат і ризиків?»
Гонка параметрів перетворюється на гонку робочих процесів
StartLux-V1.0-27B-Preview не завершила суперництво між малими та великими моделями. Вона лише зробила компроміс очевиднішим. Компактна система, яка добре виконує реальні завдання через інструменти, може виявитися кращою корпоративною покупкою за набагато більшу модель, якщо для компанії пріоритетами є приватність, прогнозовані витрати, низька затримка та робота у власній інфраструктурі.
Наступний етап закупівель ШІ, ймовірно, буде не пошуком одного універсального переможця, а підбором розміру моделі та способу її розгортання під конкретну роботу. У цьому контексті результат StartLux 39,25 важливий не тому, що робить кількість параметрів неважливою, а тому, що демонструє: значну практичну спроможність можна зосередити в моделі, достатньо компактній для локальної експлуатації.
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 майже наздогнала модель із 1,6 трлн параметрів у тесті ШІ-агентів"?
StartLux V1.0 27B Preview посіла друге місце у спеціальному MCP тесті CAICT із результатом 39,25 — лише на 1,30 бала відставши від DeepSeek V4 Pro із 1,6 трлн параметрів.
What are the key points to validate first?
StartLux V1.0 27B Preview посіла друге місце у спеціальному MCP тесті CAICT із результатом 39,25 — лише на 1,30 бала відставши від DeepSeek V4 Pro із 1,6 трлн параметрів. Модель із 27 млрд параметрів випередила DeepSeek V4 Flash 0731 на 284 млрд і Step 3.7 Flash на 198 млрд параметрів; у навігації вона стала першою, а в автоматизації браузера та фінансовому аналізі показала особливо си...
What should I do next in practice?
Тест підштовхує оцінювати моделі не лише за кількістю параметрів, а й за надійністю виклику інструментів, вартістю розгортання, приватністю даних і здатністю завершувати реальні робочі процеси.