小红书 dots 实验室把 dots3 系列的第一款模型开源了，而且一上来就是多模态。
上周五（8月14日），dots studio 正式开源 dots3-note Preview。名字听着冷门，履历却不简单：280B 总参数的 MoE 架构，运行时只激活 16B，512K 上下文，文本、图片、视频、音频都能理解。知乎更扎眼的是它同系列的内部版本，上个月刚在 IMO 国际数学奥林匹克上拿到官方认证的 42 分满分。知乎
但社区第一周的实测，评价却完全是另一副面孔：编程测试大面积翻车，评论区有人吐槽 API"超级无敌不稳定"，还有人直接把它拉来和美团 Longcat 2.0 对比。哔哩哔哩光环和现实差这么多，这模型到底能不能用？我翻了官方技术博客、知乎和 ModelScope 的技术分析，又对了几个 B 站实测视频，结论先说：值得试，但大多数人打开方式都错了。
它赌的不是"看图问答"，是"长程任务"
先对齐一下认知。dots3-note 的定位，跟我们平时讨论的多模态大模型不太一样。
多数多模态模型卷的是"给你张图，回答个问题"，dots3-note 官方演示的却全是这类任务：协调一整套婚礼筹备、经营一家咖啡电商、当新西兰自驾游的全程管家。这些任务有三个共同点：跨天甚至跨周，用户一开始的需求很模糊、中途还会变，价格库存天气这些外部条件也在异步变化。
团队为这类任务专门做了两个 benchmark 并开源出来。VibeSearchBench 考的是"意图逐步披露"下的多轮搜索，Claude Opus 5 这样的头部模型也只拿到 31 分出头。VibeLifeBench 更狠，模拟真实时间线和服务环境变化，参评的 7 家头部模型全员不及格。知乎也就是说，这个方向目前是一条没人跑通的空白赛道，小红书押的就是它。底气来自一个叫 TEMPO 的长程任务训练方法：模型干活的同时自己当教练，在每个中间阶段评估自己的进度，官方给的数据是在 ARC-AGI-3 这类超长程任务上，比传统强化学习方法高出两三成。知乎
官方 demo 甚至让它连续打《杀戮尖塔 2》，一边打一边记录假设、从失败里学习。
这也解释了 IMO 满分：奥数题本质就是"提出猜想、验证、自查、纠错"的长程任务，正好踩在它的舒适区上。
社区实测为什么翻车这么狠
另一面的故事来自社区。
有 B 站 UP 主把它接进 DeepSeek 的测试框架跑了一轮极限测试：强约束生成直接掉进无限输出循环，同一句话重复上百遍，直到把 token 耗光。哔哩哔哩编程部分更是全面翻车——浏览器 OS 界面简陋、计算器异常、终端不工作、3D 赛车连车都画不出来。倒是 24 点、密码锁这类基础逻辑推理正常通过。
小红书上有用户实测后更失望：API 目前多模态能力还没开放，生图也不行。小红书不主动下指令它还会"偷懒"，测试的数学题第一次错、第二次才对。
另一个 AI 六项能力实测视频的评论区更直接：“不是中断就是无限思考，一个问题拖半个小时”“API 超级无敌不稳定，经常思考完不输出”。哔哩哔哩还有 UP 主直接把疑问写进了视频标题：用小红书的数据训练出来的 agent，你敢用吗？哔哩哔哩但要注意的是，这些实测翻车的，几乎全是"通用聊天+编程"，恰恰不是 dots3-note 选的主战场。就像拿越野车去赛道测圈速。不过它也说明一件事：作为通用多模态模型，这个 Preview 版的成熟度有限，别指望它现在替你在日常问答和写代码前线顶班。
算笔账：别下载，去用免费 API
接下来是跟"值不值"最相关的部分。
本地部署：基本可以死心。官方推荐方案是单机 8 张 H100、FP8 权重、TP=8 加 EP=8。知乎MoE 虽然只激活 16B，但 280B 的权重得整个装进去，这不是家用 24G、32G 显存能参与的游戏。
好消息在 API。登录 dots.ai 开放平台注册就能限时免费调用，兼容 OpenAI 和 Anthropic 双协议，改个 base URL 就能接进现有客户端。小红书OpenRouter 上也有它的身影，不过有用户注意到 free 标签一度消失过，想白嫖得抓紧。知乎时间点也巧：DeepSeek 涨价生效后，已经有人在找免费的开源替代，还有 UP 主直接把这写进了视频标题。哔哩哔哩具体免费期限官方没公布，先到先得，想试的别犹豫。
怎么用？去试长程任务。给它一个模糊需求，比如"规划一趟 10 天的关西秋季行程，预算 1.5 万，帮我盯机票价格随时调整"，让它多轮连续跑，看它会不会丢状态、自查靠不靠谱。别拿它快问快答，也别让它写代码，那是拿它的短板碰别人的长板。
三类人，三个结论
Agent 和长任务玩家：现在就试。免费窗口期，加上目前独一份的长程任务训练，它是眼下少有的、专门冲着"真实生活长程任务"去的开源模型。重点观察多日任务里的状态保持和自我纠错。
本地部署党：先别碰。官方推荐方案就要 8 张 H100，对个人不现实。不过 dots3 系列后面还有 jazz 和 aria 两档，官方规划覆盖不同的任务复杂度、响应速度与计算成本。小红书要是后续开源更小的版本，机会可能就来了。
编程和日常问答党：别碰。多个实测已经证明这不是它擅长的方向。本地部署可以看看社区反复拿来对比的 Qwen3.8-27B，API 可以比比 Kimi K3 这类新旗舰，没必要为了免费硬上。
三个值得继续盯的信号
一是免费期结束后怎么收费、定价多少；二是无限循环、思考中断这些 bug，后续版本修不修（官方也承认这是预览版）；三是 VibeLifeBench 会不会被其他团队采用——如果这个 benchmark 成了行业标尺，"长程任务"才算真正成为多模态竞赛的下半场。
小红书这一步走得未必漂亮，但方向值得盯：多模态"看懂图"的竞赛已经卷成红海，真正帮人把事办成的竞赛，才刚开始。
