新闻详情

新闻详情

首页 / 资讯中心 / 详情

Dots3-Note Preview :小红书开源 280B 多模态模型,3 种方式免费用

发布时间:2026/11/16 9:28:07来源:尧图网络
Dots3-Note Preview :小红书开源 280B 多模态模型,3 种方式免费用
Dots3-Note Preview 小红书开源 280B 多模态模型3 种方式免费用一句话速览Dots3-Note Preview 是小红书 Dots Studio 8 月 14 日发布的首个 Dots3 系列开源模型——280B 总参数、16B 激活、512K 上下文、支持文本图片视频音频四模态输入Apache 2.0 完全开源。OpenRouter 免费路线直接调用、HuggingFace 权重本地部署、AtlasCloud 免费 API三种方式零成本上手。 目录背景Dots3-Note 是什么一、四大核心亮点二、架构与参数详解三、跑分表现四、免费使用指南三种方式零成本4.1 方案一OpenRouter 免费 API最省事4.2 方案二HuggingFace 开源权重本地部署4.3 方案三AtlasCloud 免费 API备用路线五、接入编程工具Trae / Cursor / WorkBuddy 等六、局限性需要知道的真相总结小红书开源 多模态 免费参考链接背景Dots3-Note 是什么Dots3-Note Preview是小红书 AI 团队Dots Studio于2026 年 8 月 14 日发布的首个 Dots3 系列开源模型定位为面向复杂推理和长程 Agent 任务的多模态混合专家模型。项目详情开发团队Dots Studio小红书发布时间2026 年 8 月 14 日总参数量280B2800 亿激活参数16B160 亿仅占 5.7%架构多模态 MoE混合专家上下文窗口512K tokens最大输出460,800 tokens输入模态文本 图片 视频 音频输出模态文本开源协议Apache 2.0权重下载HuggingFace / ModelScope / GitHub精度版本BF16 FP8系列定位Dots3 家族最轻量版本后续还有 Jazz、AriaDots Studio 是小红书旗下的 AI 团队创始人乔超。Dots3 系列规划了三个型号Note最轻量、Jazz、AriaNote 是第一个开源的。一、四大核心亮点亮点说明16B 激活280B 总参的智能水平MoE 架构让模型只用 16B 的推理成本获得接近大模型的效果四模态原生支持文本、图片、视频、音频全部原生输入不是拼接的多模态512K 超长上下文长文档、长视频、多轮 Agent 任务一次搞定Apache 2.0 完全开源权重、代码全开源商业免费无使用限制二、架构与参数详解文本主干架构参数值总层数1 个稠密层 45 个 MoE 层专家数256 个路由专家 1 个共享专家每 token 激活专家Top-8隐藏层维度5,120稠密前馈宽度13,824单专家宽度1,536注意力机制13 层 DSA 33 层滑动窗口注意力MTP 多 token 预测1 个共享层1.13B 参数视觉编码器参数值架构MoE 视觉编码器总参数7B激活参数1.2B音频编码器参数值架构Dense 密集模型总参数800M三、跑分表现以下跑分来自官方发布的模型卡数据为厂商自测结果。独立第三方评测尚在进行中。基准分数说明ARC-AGI-281.4抽象推理厂商自测Terminal-Bench 2.175.1终端 Agent 任务256K 上下文10 小时超时ClawEval Pass^373.4通用 Agent 任务199 个任务VibeLifeBench28.1真实生活 Agentavg3256K 上下文官方定位用 16B 激活成本挑战那些参数规模数倍于自己的大模型才够得着的效果——尤其是复杂推理和长程 Agent 任务。四、免费使用指南三种方式零成本4.1 方案一OpenRouter 免费 API最省事OpenRouter 在模型发布后约 1 小时就上线了免费路线输入输出全免费。操作步骤访问openrouter.ai用 Google / GitHub / 邮箱登录右上角头像 → Keys → Create Key复制保存 API Key以sk-or-v1-开头模型名dots-studio/dots-3-note-preview:freeAPI 地址https://openrouter.ai/api/v1/chat/completions快速测试curl-XPOSThttps://openrouter.ai/api/v1/chat/completions\-HAuthorization: Bearer sk-or-v1-你的Key\-HContent-Type: application/json\-d{ model: dots-studio/dots-3-note-preview:free, messages: [{role: user, content: 你好介绍一下你自己}] }截至2026 年 9 月 23 日查询该模型在 OpenRouter 仍为免费状态。免费模型随时可能调整以页面实时定价为准。性能数据OpenRouter 实测1 周数据指标值吞吐量P5050 tokens/s首 token 延迟P501.29s可用性100%4.2 方案二HuggingFace 开源权重本地部署Apache 2.0 开源权重完全免费可下载本地部署。下载地址平台链接HuggingFacehuggingface.co/dots-studio/dots3-note-prevHuggingFace (FP8)huggingface.co/dots-studio/dots3-note-prev-fp8GitHubgithub.com/studio-dots-ai/dots3-note-prevModelScopemodelscope.cn 搜索 dots3-note硬件要求部署方式推荐配置FP8 推理8 张 GPU 节点如 8×A100 80GBF16 推理更高显存需求注意这不是笔记本能跑的轻量模型。280B 总参数虽然只有 16B 激活但完整权重和多模态编码器仍需要专业硬件。vLLM 部署示例# FP8 版本部署pipinstallvllm vllm serve dots-studio/dots3-note-prev-fp8\--max-model-len512000\--tensor-parallel-size8Transformers 使用示例fromtransformersimportpipeline pipepipeline(image-text-to-text,modeldots-studio/dots3-note-prev-fp8)resultpipe(描述这张图片的内容,imageimage.jpg)print(result)4.3 方案三AtlasCloud 免费 API备用路线AtlasCloud 也提供 Dots3-Note Preview 的免费托管 API可作为 OpenRouter 的备用。项目详情模型 IDdots-studio/dots-3-note-prev-freeAPI 地址https://api.atlascloud.ai/v1/chat/completions价格免费延迟 P501.30s吞吐量50 tps可用性100%五、接入编程工具Trae / Cursor / WorkBuddy 等Dots3-Note Preview 兼容 OpenAI Chat Completions 格式所有支持自定义 OpenAI API 的工具都能接入。工具配置要点Trae设置 模型 添加自定义模型填 OpenRouter 地址和模型 IDCursorSettings Models Override Base URL API KeyWorkBuddy设置 模型 添加自定义模型 / 对话式接入OpenCodeopencode.json 配置 openrouter providerDeepSeek HarnessWeb UI 添加自定义提供方选 openai-completions 协议Codexconfig.toml 配置 openrouter providerClaude Code环境变量 ANTHROPIC_BASE_URL 指向 OpenRouter详细接入步骤可参考各工具的 OpenRouter 接入教程将模型名替换为dots-studio/dots-3-note-preview:free即可。六、局限性需要知道的真相局限说明Preview 版本非正式 GA还是预览版后续可能有大改动不建议直接用于生产本地部署门槛高需要 8 卡 GPU 节点普通笔记本跑不了免费 API 随时可能变付费OpenRouter 免费路线没有永久承诺厂商调整政策不打招呼跑分多为厂商自测ARC-AGI、Terminal-Bench 等均为官方数据独立第三方评测待验证输出只有文本四输入模态但输出只有文本不能生成图片或视频系列最轻量版Note 是 Dots3 家族最小的型号更强的 Jazz、Aria 还没发布中文优化程度未知官方文档和跑分以英文为主中文场景效果待实测总结小红书开源 多模态 免费方式适合人群成本难度OpenRouter 免费 API想快速试用、不想折腾0 元⭐ 最简单本地部署开源权重有 GPU 资源、追求隐私可控0 元硬件自备⭐⭐⭐⭐⭐AtlasCloud 免费 APIOpenRouter 备用路线0 元⭐ 简单Dots3-Note Preview 是小红书 Dots3 系列的首发作——280B MoE、16B 激活、四模态输入、512K 上下文、Apache 2.0 全开源。对于想体验国产多模态大模型、或需要在 Agent 场景中处理图文音视频的开发者来说这是目前零成本体验的最佳选择之一。参考链接Dots Studio 官方 GitHubhttps://github.com/studio-dots-ai/dots3-note-prevDots3-Note Preview HuggingFaceBF16https://huggingface.co/dots-studio/dots3-note-prevDots3-Note Preview HuggingFaceFP8https://huggingface.co/dots-studio/dots3-note-prev-fp8OpenRouter Dots3-Note Preview 免费版https://openrouter.ai/dots-studio/dots-3-note-preview:freeAtlasCloud Dots3-Note Preview APIhttps://www.atlascloud.ai/models/dots-studio/dots-3-note-prev-freeAZ Labs 报道独立验证https://azlabs.ai/news/dots3-note-preview-open-weightsDots Studio 官方 X 账号https://x.com/dotsstudioai觉得有用点赞 收藏 关注并留你最关心的内容后续考虑持续跟进更多相关内容。声明资源可能存在第三方来源若有侵权请联系删除
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/15 4:54:16

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/15 2:04:12

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/16 19:23:38

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/16 6:47:19

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/14 16:35:50

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/16 17:28:18

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉