【2026】dots3-note Preview 完全解析！RedNote 的 280B MoE 模型为何能与 DeepSeek V4 Flash 正面交锋

只有 16B 激活参数的开源模型，真能和 DeepSeek V4 Flash、GPT-5.5 正面硬刚？

「仅 16B 激活参数，却能与 DeepSeek V4 Flash、GPT-5.5 并驾齐驱的开源模型来了。」

2026 年 8 月 14 日，RedNote（小红书）的 AI 实验室「dots studio」发布了dots3-note Preview。这是一款 280B MoE（激活 16B）、512K 上下文、支持文本/图像/视频/音频的多模态模型，以 Apache-2.0 开源权重形式发布。

最大的看点是：官方基准测试将它与 DeepSeek V4 Flash、GPT-5.5、Kimi K3、Opus 4.8 等直接对比。用很小的激活参数宣称「与大得多的模型互角以上」——这对重视成本的本地 AI 用户来说，是不容错过的一次发布。

dots3-note Preview 基准对比图（来源：dots studio 官方 X）

本文基于官方技术博客、Hugging Face 模型卡和官方 X 发布的真实数据，面向初学者，从规格、基准、用法到 DeepSeek V4 Flash 用户视角的评价，进行全面解析。

读完本文你将了解：

dots3-note Preview 的规格（280B MoE / 16B 激活 / 512K 上下文）
与哪些模型对比、评价如何
对 DeepSeek V4 Flash 用户意味着什么
如何自己运行（SGLang / vLLM）
开源权重・许可证・商用可行性

dots3-note Preview 是什么？

dots3-note Preview 是 dots3 家族首个开源权重模型，由 RedNote 的 AI 实验室「dots studio」开发。

正如「note」这个名字，它面向 long-horizon agency：长期完成现实世界中的复杂任务。「推理、探索陌生环境、随时间更新记忆、适应变化」——将多模态感知（图像、音频）与编码、工具使用结合起来，解决复杂任务。

模型规格（官方数据）

项目	数值
架构	多模态 MoE
总参数量	280B
激活参数量	16B
上下文长度	512K tokens
层结构	1 dense + 45 MoE
专家数	256 routed + 1 shared（top-8）
视觉编码器	MoE ViT（7B 总 / 1.2B 激活）
音频编码器	Dense 800M
支持精度	BF16 / FP8
输入	文本・图像・视频・音频
输出	文本
许可证	Apache-2.0（可商用）

关键在于总参数量 280B，但推理时只激活 16B。参数效率极高，配合 FP8 量化版，在「单节点 8 卡 GPU」上自托管是现实可行的。

为什么受关注（3 个要点）

1. TEMPO——新的 RL 方法

dots3-note Preview 引入了TEMPO（通过自我批评与测试时缩放价值估计，进行 long-horizon agent 训练的新 RL 方法）。智能体在长时间任务中自我批评地学习，并能在测试时缩放价值估计——面向「长时间真实任务」智能体的新训练范式。

2. 512K 上下文 + 全模态输入

512K token 的上下文窗口，支持文本、图像、视频、音频输入。适合长文档处理，以及消费大量工具输出的智能体工作流。

3. 同步发布两个开源基准

同时发布了面向真实生活智能体的开源基准VibeSearchBench与VibeLifeBench，重视评测透明度。

基准对比：对手是谁

官方 X 发布的对比图分为推理/智能体与多模态两大方向。

推理・智能体方向——对比对象

对比模型	类型
DeepSeek V4 Flash	开源模型（API 为主）
GPT-5.5	闭源模型（OpenAI）
Opus 4.8	闭源模型（Anthropic）
Kimi K3	开源模型（Moonshot）
GLM 5.2	开源模型（智谱）
Hy3	开源模型（腾讯）
Seed 2.1 turbo	开源模型（字节）

基准：Claw-Eval / SWE-bench-pro / BrowseComp / ARC-AGI-2 / ARC-AGI-3 / WildClawBench / NL2repo / DeepSearchQA / VibeLifeBench / Terminal-Bench 2.1 / VibeSearchBench / Codeforces

多模态方向——对比对象

Seed 2.1 turbo / Qwen3.7Plus / Inkling-Small / Kimi K3 / Gemini-3.5-flash / Seed 2.0 Lite / Qwen3.5 Omni Plus

基准：WorldVQA / Charxiv-RQ / PerceptionBench / MMEVideo v2 / SimpleVQA / GDP pdf / ZeroBench@5 / MMAU-Pro

dots3-note Preview 多模态对比图（来源：dots studio 官方 X）

官方表述是「在推理、智能体、多模态各项评测中，与大得多的模型互角以上、具备竞争力」。具体数值请参阅上面的对比图（来源：dots studio 官方 X）。

DeepSeek V4 Flash 用户视角的评价

如果你正在用 DeepSeek V4 Flash，这个模型意味着「选择变多了」。

对比对象中明确包含 V4 Flash：DeepSeek V4 Flash 直接出现在官方基准的对比名单里。说明 dots studio 自信「能与 V4 Flash 一较高下」。
成本理念相近：V4 Flash 的卖点是「小激活参数、高效率」，而 dots3-note Preview 在此基础上还支持完整多模态（图像・视频・音频）。纯文本场景继续用 V4 Flash；还需要图像和音频的话，dots3-note 就是候选。
易于自托管：开源权重（Apache-2.0），可在自有 GPU 上运行。FP8 版推荐单节点 8 卡 + SGLang / vLLM。

对比项	DeepSeek V4 Flash	dots3-note Preview
提供方式	API 为主（官方 API + 工具集成）	开源权重（可自托管）
参数量	未公开（V4 家族）	280B 总 / 16B 激活
上下文	1M（官方）	512K
多模态	以文本为主	文本・图像・视频・音频输入
许可证	API 使用条款	Apache-2.0
自托管	不现实（太重）	FP8 单节点 8 卡推荐

结论：与其说是 V4 Flash 的替代品，不如说是「多模态自托管版的新选项」。想继续用 API 就留在 V4 Flash；想在自有硬件上处理图像和音频，就考虑 dots3-note Preview——两者定位不同。

实际使用方法

启动 API 服务器（示例）

# vLLM
vllm serve dots-studio/dots3-note-prev-fp8 \
  --max-model-len 131072 \
  --enable-thinking

# SGLang
python -m sglang.launch_server \
  --model-path dots-studio/dots3-note-prev-fp8 \
  --context-length 131072

启动后可作为 OpenAI 兼容 API 使用：

from openai import OpenAI

client = OpenAI(base_url="http://127.0.0.1:8000/v1", api_key="EMPTY")

response = client.chat.completions.create(
    model="dots3-note-prev",
    messages=[{"role": "user", "content": "请简单自我介绍"}],
    temperature=1.0,
    top_p=0.95,
    max_tokens=256,
    # enable_thinking=True 为推理模式，False 为直接回答
    extra_body={"chat_template_kwargs": {"enable_thinking": False}},
)
print(response.choices[0].message.content)

支持的运行时

Transformers：PR #47844 已支持
SGLang：PR #33829 已支持
vLLM：recipes.vllm.ai 提供官方配方

权重同时在 Hugging Face（dots-studio/dots3-note-prev 与 -fp8 版）和 ModelScope 分发。

优点与缺点

项目	内容
优点 1	激活 16B 实现 280B 级效率（成本・速度均衡）
优点 2	Apache-2.0，可商用，开源权重
优点 3	文本・图像・视频・音频全模态
优点 4	512K 长上下文窗口
优点 5	同步发布开源基准（VibeSearchBench / VibeLifeBench）
缺点 1	Preview 版（正式版与 Full Report 均 coming soon）
缺点 2	自托管实际需要 8 卡级 GPU（即使 FP8）
缺点 3	刚发布，社区信息还很少

读者想了解的内容

Q1. 免费吗？

模型本身是开源权重（Apache-2.0），免费下载、可商用。但运行所需的 GPU 环境（推荐：单节点 8 卡）需要另外准备。

Q2. 比 DeepSeek V4 Flash 快吗？

官方基准称「互角以上」，但实际速度取决于硬件和部署方式。激活仅 16B，推理效率设计得很好。

Q3. 日语能力强吗？

模型支持多语言，但刚发布，日语的详细评测还很少。作为中国实验室的模型，中文应该很强——目前只是推测，有待实测。

Q4. 有官方 API 吗？

官方 API 尚未公布。现阶段主要是自托管（SGLang / vLLM / Transformers）。

Q5. 需要什么 GPU？

官方推荐：FP8 版在单节点 8 卡上运行（例如 8×H100 / 8×A100 级别）。

Q6. VibeSearchBench / VibeLifeBench 是什么？

dots studio 同步发布的面向真实生活智能体的开源基准，评估搜索型真实任务与长期生活任务。

Q7. 正式版什么时候出？

未公布。目前是 Preview 版，Full Report 标注「coming soon」。

总结：适合什么人

结论：想要「多模态 + 自托管」的本地 AI 用户，现在就应该关注这个模型。

开源权重、可商用、16B 激活的高效设计
官方基准宣称与 DeepSeek V4 Flash、GPT-5.5 等互角以上
全模态（文本/图像/视频/音频）+ 512K 上下文
缺点是 Preview 版，且需要 8 卡级 GPU

以 API 为主的话继续用 DeepSeek V4 Flash。想在自有 GPU 上处理图像和音频的开源模型——这是目前最有力的候选之一。正式版与 Full Report 值得期待。