Immagine copertina generata con l’intelligenza artificiale
Xiaohongshu ha rilasciato all’estero dots3-note preview, un nuovo modello di intelligenza artificiale appartenente alla famiglia dots3. Si tratta di un sistema Mixture of Experts (MoE) con 280 miliardi di parametri complessivi, dei quali 16 miliardi attivati, una finestra di contesto da 512K e capacità di comprensione di testo, immagini e voce. Il modello è stato pubblicato con licenza Apache 2.0 su Hugging Face e GitHub, mentre Huawei ha annunciato l’adattamento ai chip Ascend già nel giorno del lancio.
Modello di linguaggio open source per piattaforme media
La decisione di Xiaohongshu assume particolare rilevanza considerando le dimensioni della piattaforma, che conta oltre 300 milioni di utenti mensili. L’obiettivo non sembra limitarsi all’introduzione di nuove funzioni basate sull’intelligenza artificiale, ma punta a costruire una capacità tecnologica più vicina alla base dell’intero prodotto.
La logica è quella di considerare i modelli AI come una sorta di macchina utensile del mondo digitale: la loro capacità influenza direttamente strumenti come ricerca, raccomandazioni e creazione di contenuti. Per una piattaforma di grandi dimensioni, quindi, affidarsi nel lungo periodo esclusivamente a modelli sviluppati da altri può diventare una soluzione poco stabile.
Dati tecnici e architettura MoE
Dots3-note preview utilizza un’architettura Mixture of Experts, con 280 miliardi di parametri totali e 16 miliardi attivati durante l’elaborazione. Il modello dispone inoltre di una finestra di contesto da 512.000 token, un elemento pensato per gestire quantità molto ampie di informazioni.
Sul fronte multimodale, dots3-note è in grado di comprendere testo, immagini e voce. Le valutazioni pubbliche indicano risultati competitivi in attività di ragionamento, agent e comprensione multimodale. In alcuni test, tra cui ARC-AGI-3 e quelli dedicati agli assistenti personali, il modello supera sistemi di dimensioni maggiori, mentre rimane indietro rispetto ai modelli di punta nelle operazioni da terminale e nella programmazione complessa.
La famiglia dots3 comprende inoltre altri sviluppi: i lavori precedenti hanno ottenuto un punteggio pieno alle IMO 2026, mentre sono previste versioni come jazz e aria.
Licenza open source e compatibilità hardware
Xiaohongshu ha scelto la licenza Apache 2.0, rendendo dots3-note disponibile alla comunità attraverso Hugging Face e GitHub. L’apertura del modello può favorire test, feedback e sviluppo dell’ecosistema, aspetti particolarmente importanti per una tecnologia che deve continuare a evolversi attraverso l’utilizzo concreto.
Un segnale significativo è arrivato anche da Huawei Ascend, che ha annunciato l’adattamento del modello nello stesso giorno della pubblicazione. Si tratta di un esempio della rapidità con cui un progetto open source può essere integrato all’interno di un ecosistema hardware.
Modello di linguaggio nella strategia di Xiaohongshu
La scelta di sviluppare capacità proprie nasce anche dalle caratteristiche dei servizi offerti da Xiaohongshu. Per una piattaforma con centinaia di milioni di utenti e un utilizzo intenso della ricerca, la dipendenza da modelli esterni può rappresentare un problema sia per i costi sia per la stabilità dell’offerta.
Inoltre, un modello generalista potrebbe non comprendere fino in fondo il contesto specifico di una ricerca su un ristorante, della pianificazione di un viaggio o dei problemi legati a una ristrutturazione. Si tratta di decisioni legate alla vita quotidiana, nelle quali il contesto cambia e una semplice ricerca non sempre è sufficiente.
Oltre il feature, l’intelligenza diventa infrastruttura
Il rilascio di dots3-note mostra quindi una trasformazione più ampia: l’AI passa dall’essere una funzione aggiuntiva a diventare una possibile infrastruttura del prodotto. La stessa tendenza è già visibile tra le grandi aziende tecnologiche cinesi, con Doubao di ByteDance, Hunyuan di Tencent, Tongyi di Alibaba ed ERNIE di Baidu.
Xiaohongshu ha inoltre incluso nel rilascio due benchmark dedicati: uno esamina la ricerca multi-turno, mentre l’altro riguarda l’esecuzione di attività attraverso più fasi. Sono ambiti strettamente collegati alla ricerca e ai servizi della piattaforma e indicano dove il modello potrebbe cercare di differenziarsi rispetto alle soluzioni generaliste.
Fonte: Pandaily
