Câu trả lờiĐã xuất bản20 nguồn
StartLux 27B áp sát mô hình 1,6 nghìn tỷ tham số trong bài kiểm tra tác vụ AI
StartLux V1.0 27B Preview đạt 39,25 điểm và đứng thứ hai trong bài kiểm tra MCP của CAICT, chỉ kém DeepSeek V4 Pro với 1,6 nghìn tỷ tham số 1,30 điểm. Mô hình 27B vượt DeepSeek V4 Flash 0731 284B và Step 3.7 Flash 198B; StartLux được báo cáo đứng đầu ở tác vụ dẫn đường vị trí và thể hiện tốt trong tự động hóa trình...
Đăng bởiBiên tập bằng GPT-5.6 LunaHình ảnh được tạo bằng GPT Image 1.5
Câu trả lời nghiên cứu
Bài học chính
- StartLux V1.0 27B Preview đạt 39,25 điểm và đứng thứ hai trong bài kiểm tra MCP của CAICT, chỉ kém DeepSeek V4 Pro với 1,6 nghìn tỷ tham số 1,30 điểm.
- Mô hình 27B vượt DeepSeek V4 Flash 0731 284B và Step 3.7 Flash 198B; StartLux được báo cáo đứng đầu ở tác vụ dẫn đường vị trí và thể hiện tốt trong tự động hóa trình duyệt cùng phân tích tài chính.
- Kết quả cho thấy doanh nghiệp nên đánh giá mô hình dựa trên độ tin cậy khi sử dụng công cụ, chi phí triển khai, quyền riêng tư và khả năng hoàn thành quy trình, thay vì chỉ nhìn vào số lượng tham số.
Prompt AI
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,
Mô hình địa phương StartLux-V1.0-27B-Preview của công ty StartLux, có trụ sở tại Thượng Hải, vừa đưa ra một lập luận đáng chú ý chống lại quan niệm rằng mô hình càng lớn thì luôn càng hiệu quả trong mọi tình huống.
Trong bài kiểm tra chuyên biệt về MCP thuộc Bộ tiêu chuẩn mô hình AI đáng tin cậy của Viện Nghiên cứu Trí tuệ nhân tạo, thuộc Học viện Công nghệ Thông tin và Truyền thông Trung Quốc (CAICT), mô hình 27 tỷ tham số này đạt 39,25 điểm, xếp thứ hai chung cuộc. StartLux chỉ kém DeepSeek-V4-Pro, mô hình có 1,6 nghìn tỷ tham số, 1,30 điểm. 10
3
Tuy nhiên, đây không phải bằng chứng cho thấy mô hình 27B đã vượt qua các hệ thống nghìn tỷ tham số trên diện rộng. Ý nghĩa chính xác hơn là: khi được tối ưu cho việc gọi công cụ, lập kế hoạch nhiều bước và hoàn thành công việc trong môi trường thực, một mô hình nhỏ hơn có thể thu hẹp đáng kể khoảng cách với những mô hình lớn hơn rất nhiều.
Bài kiểm tra MCP đo lường điều gì?
Bài đánh giá bao gồm sáu nhóm tác vụ chuyên biệt: dẫn đường vị trí, tìm kiếm web, tự động hóa trình duyệt, phân tích tài chính, quản lý kho mã nguồn và thiết kế 3D. Sáu nhóm này được kết hợp với một phần đánh giá tổng hợp, tạo thành bảy hạng mục được báo cáo. Bài kiểm tra tập trung vào khả năng phối hợp nhiều công cụ, xử lý nhiệm vụ phức tạp và tương tác với môi trường thực; các báo cáo cho biết điểm trung bình được tính sau ba lượt chạy hoàn chỉnh. 10
7
MCP, viết tắt của Model Context Protocol, là một giao thức giúp mô hình AI kết nối và sử dụng các công cụ hoặc nguồn dữ liệu bên ngoài. Vì vậy, bài kiểm tra MCP không tương đương với bảng xếp hạng mô hình ngôn ngữ tổng quát. Nó đặt ra một câu hỏi thực tế hơn: mô hình có hiểu mục tiêu, chia nhỏ công việc, chọn đúng công cụ, xử lý nhiều bước và hoàn tất thao tác hay không?
Đối với doanh nghiệp đang tìm cách triển khai AI agent, khả năng này đôi khi thiết thực hơn kết quả của các bài kiểm tra kiến thức hoặc suy luận độc lập.
StartLux so sánh ra sao với các mô hình lớn hơn?
Thứ hạng được công bố cho thấy StartLux đứng trên một số mô hình có tổng số tham số lớn hơn nhiều:
- StartLux-V1.0-27B-Preview: 27B tham số; 39,25 điểm
- DeepSeek-V4-Pro: 1,6 nghìn tỷ tham số; đứng đầu, hơn StartLux 1,30 điểm
- DeepSeek-V4-Flash-0731: 284B tham số; đạt 38,24 điểm, xếp sau StartLux
- Step-3.7-Flash: 198B tham số; xếp dưới StartLux
Trong nhóm có quy mô tương đương, StartLux cũng được báo cáo vượt Qwen-3.6-27B 5,34 điểm. Danh sách mô hình tham gia còn có AgentCPM-Explore 4B, nhưng các nguồn hiện có không cung cấp số điểm tổng hợp đáng tin cậy cho từng mô hình này. 2
3
10
Ở cấp độ tác vụ, StartLux đạt vị trí đầu tiên trong phần dẫn đường vị trí. Mô hình này cũng được báo cáo đồng hạng hoặc dẫn đầu DeepSeek-V4-Pro ở các phần tự động hóa trình duyệt và phân tích tài chính. 4
6
7
Vì sao kết quả này đáng chú ý nhưng không nên bị thổi phồng?
Đây trước hết là câu chuyện về hiệu quả tham số, không phải tuyên bố rằng quy mô mô hình đã trở nên vô nghĩa. Các mô hình lớn vẫn có thể sở hữu năng lực rộng hơn, hoạt động tốt hơn trên nhiều dạng nhiệm vụ khó và có dư địa lớn hơn cho suy luận ở cấp độ tiên tiến.
Kết quả của CAICT cho thấy một yếu tố khác cũng quan trọng: hậu huấn luyện và chuyên môn hóa theo nhiệm vụ có thể tạo ra ảnh hưởng rất lớn khi bài đánh giá ưu tiên khả năng thực thi ổn định.
StartLux mô tả sản phẩm của mình là mô hình agent có thể triển khai tại chỗ và giới thiệu phương pháp Auto Research với khẩu hiệu “AI huấn luyện AI”. Đây là lời giải thích của công ty về cách đạt được kết quả. Bài kiểm tra chỉ xác nhận hiệu năng quan sát được, chứ không tự chứng minh phương pháp nào là nguyên nhân tạo ra hiệu năng đó.
Vì vậy, kết luận thận trọng nhất là: tối ưu hóa có mục tiêu cho việc sử dụng công cụ, lập kế hoạch và hoàn thành quy trình có thể giúp mô hình nhỏ thu hẹp khoảng cách với mô hình lớn trong một số tác vụ doanh nghiệp cụ thể.
Mô hình địa phương có thể thay đổi bài toán triển khai thế nào?
Một mô hình 27B thực tế hơn đáng kể để triển khai trên hạ tầng riêng so với mô hình 1,6 nghìn tỷ tham số, đặc biệt khi có phiên bản lượng tử hóa và phần cứng phù hợp. Với các tổ chức xử lý khối lượng lớn những tác vụ agent lặp đi lặp lại, triển khai tại chỗ có thể đem lại một số lợi ích:
- Kiểm soát dữ liệu: prompt nhạy cảm và kết quả từ các công cụ có thể được giữ trong môi trường doanh nghiệp, thay vì gửi tới API bên ngoài.
- Kiểm soát chi phí: suy luận với lưu lượng lớn có thể giảm một phần chi phí API tính theo yêu cầu. Dù vậy, tổng chi phí sở hữu vẫn phải tính cả phần cứng, điện năng, vận hành và kỹ thuật.
- Độ trễ và tính sẵn sàng: triển khai nội bộ có thể giảm sự phụ thuộc vào kết nối mạng và năng lực xử lý từ nhà cung cấp.
- Khả năng tùy biến: doanh nghiệp có thể điều chỉnh bộ công cụ, chính sách và quy trình đánh giá theo một quy trình hẹp hơn.
Đây là những khả năng về mặt triển khai, không phải bảo đảm tự động. AI tại chỗ cũng chuyển trách nhiệm mua sắm phần cứng, cập nhật mô hình, phân quyền truy cập, lưu nhật ký, giám sát và bảo mật sang phía khách hàng. Mô hình nhỏ hơn có thể dễ chạy hơn, nhưng không nhất thiết dễ quản trị hơn.
StartLux nằm trong xu hướng agent nhỏ gọn
Thị trường đang xuất hiện ngày càng nhiều mô hình ưu tiên hiệu quả vận hành thay vì chỉ chạy theo tổng số tham số. NVIDIA mô tả Nemotron 3.5 Lightning là mô hình hỗn hợp chuyên gia (MoE) mở 30B, trong đó chỉ 3B tham số được kích hoạt, hướng tới các agent hoạt động liên tục và xử lý khối lượng lớn. Tài liệu hỗ trợ mô hình của NVIDIA cũng liệt kê các biến thể Gemma 4 12B và 31B. 25
26
Các nguồn thứ cấp và danh mục mô hình cũng xếp Muse Glimmer của Meta vào nhóm mô hình phục vụ agent địa phương. Tuy nhiên, các bằng chứng hiện có chưa đủ để độc lập xác minh tài liệu phát hành gốc của Meta. 27
33
Dù vậy, xu hướng rộng hơn đã khá rõ: các nhà phát triển đang tối ưu đồng thời số tham số được kích hoạt, thông lượng, lượng tử hóa, độ tin cậy khi gọi công cụ và khả năng vận hành trên hạ tầng riêng.
Doanh nghiệp Trung Quốc nên đánh giá gì tiếp theo?
Kết quả của StartLux có thể thúc đẩy cách mua sắm AI phân khúc hơn trong doanh nghiệp Trung Quốc:
- Dùng mô hình nhỏ triển khai riêng hoặc tại chỗ cho các quy trình nhạy cảm, có lưu lượng cao và lặp lại thường xuyên.
- Dùng mô hình đám mây tiên tiến cho những nhiệm vụ rộng, không thường xuyên hoặc đặc biệt khó, nơi năng lực tối đa quan trọng hơn sự đơn giản khi triển khai.
- Đánh giá toàn bộ quy trình, bao gồm độ chính xác khi gọi công cụ, khả năng phục hồi sau lỗi, tỷ lệ hoàn thành tác vụ, hiệu năng tiếng Trung, mức độ phù hợp với lĩnh vực, độ trễ và chi phí vận hành.
- Kiểm tra quản trị trước khi đưa vào sử dụng, gồm quyền hạn, thời gian lưu dữ liệu, khả năng quan sát hệ thống, cập nhật mô hình và cơ chế chuyển tiếp cho con người.
Cách tiếp cận này thay thế câu hỏi “Mô hình nào có nhiều tham số nhất?” bằng câu hỏi thực tế hơn: “Mô hình nào hoàn thành công việc này đáng tin cậy với mức chi phí và rủi ro chấp nhận được?”
Cuộc đua tham số đang chuyển thành cuộc đua quy trình
StartLux-V1.0-27B-Preview chưa chấm dứt cạnh tranh giữa mô hình nhỏ và mô hình lớn. Nhưng kết quả 39,25 điểm khiến sự đánh đổi trở nên khó bỏ qua hơn.
Một mô hình nhỏ nhưng hoạt động tốt trong các tác vụ thực tế cần gọi công cụ có thể là lựa chọn doanh nghiệp hợp lý hơn mô hình lớn hơn nhiều, nếu các ưu tiên chính là quyền riêng tư, chi phí có thể dự đoán, độ trễ thấp và triển khai trong hạ tầng riêng.
Giai đoạn tiếp theo của hoạt động mua sắm AI có thể sẽ không xoay quanh việc chọn một mô hình chiến thắng tuyệt đối. Thay vào đó, doanh nghiệp sẽ phải ghép quy mô mô hình và phương thức triển khai với chính công việc cần xử lý. Trong bối cảnh đó, thành tích của StartLux đáng chú ý không phải vì nó khiến số lượng tham số mất ý nghĩa, mà vì nó cho thấy một phần năng lực đáng kể có thể được cô đọng vào một mô hình đủ nhỏ để cân nhắc cho vận hành tại chỗ.
Studio Global AI
Tiếp tục nghiên cứu của bạn
Trang này bao gồm câu trả lời dựa trên nguồn mà bạn có thể tiếp tục bên trong Studio Global.
Người ta cũng hỏi
Câu trả lời ngắn gọn cho "StartLux 27B áp sát mô hình 1,6 nghìn tỷ tham số trong bài kiểm tra tác vụ AI" là gì?
StartLux V1.0 27B Preview đạt 39,25 điểm và đứng thứ hai trong bài kiểm tra MCP của CAICT, chỉ kém DeepSeek V4 Pro với 1,6 nghìn tỷ tham số 1,30 điểm.
Những điểm chính cần xác nhận đầu tiên là gì?
StartLux V1.0 27B Preview đạt 39,25 điểm và đứng thứ hai trong bài kiểm tra MCP của CAICT, chỉ kém DeepSeek V4 Pro với 1,6 nghìn tỷ tham số 1,30 điểm. Mô hình 27B vượt DeepSeek V4 Flash 0731 284B và Step 3.7 Flash 198B; StartLux được báo cáo đứng đầu ở tác vụ dẫn đường vị trí và thể hiện tốt trong tự động hóa trình duyệt cùng phân tích tài chính.
Tôi nên làm gì tiếp theo trong thực tế?
Kết quả cho thấy doanh nghiệp nên đánh giá mô hình dựa trên độ tin cậy khi sử dụng công cụ, chi phí triển khai, quyền riêng tư và khả năng hoàn thành quy trình, thay vì chỉ nhìn vào số lượng tham số.