Xiaohongshu ouvre un aperçu de 280 milliards de paramètres

Sur Hugging Face et GitHub, Xiaohongshu a rendu publique une importante composante de sa base technique. Son dots3-note preview est un modèle à mélange d’experts doté de 280 milliards de paramètres au total, dont 16 milliards activés, et d’une fenêtre de contexte de 512K. Il comprend le texte, l’image et la voix, et est publié à l’international sous licence Apache 2.0.

Cette publication va au-delà de la simple mise à disposition d’un modèle pour une plateforme qui compte plus de 300 millions d’utilisateurs mensuels. Le produit central de Xiaohongshu repose sur la recherche, les recommandations et la création de contenus, tandis que ses utilisateurs demandent de l’aide pour choisir des restaurants, préparer des voyages ou prendre des décisions du quotidien. Selon la présentation de l’entreprise rapportée par Pandaily, un modèle peut devenir l’outil sous-jacent de ces capacités plutôt qu’une simple fonctionnalité supplémentaire.

Les premières évaluations dressent un tableau contrasté, mais exploitable. Le modèle afficherait des performances compétitives en raisonnement, dans les tâches d’agent et les tâches multimodales, dépassant certains modèles plus grands sur ARC-AGI-3 et les tâches d’assistant personnel. Il reste derrière les modèles de pointe dans l’utilisation du terminal et la programmation complexe ; l’aperçu n’est donc pas présenté comme un remplacement universel. La série dots3 comprend également des travaux antérieurs ayant obtenu la note maximale à l’IMO 2026, tandis que des versions appelées jazz et aria doivent encore arriver.

Qu’est-ce que cela change en pratique ? Pour Xiaohongshu, un modèle interne performant pourrait permettre à la recherche et aux recommandations de mieux refléter les contenus propres à la plateforme ainsi que le contexte évolutif d’une demande. Il pourrait également réduire la dépendance à l’égard de fournisseurs de modèles externes, à mesure que l’IA s’intègre à la chaîne de produits centrale. Cela reste une possibilité et non un déploiement démontré : les résultats du modèle doivent encore se traduire par des appels abordables et stables au sein de services réels.

La mise en open source donne à l’aperçu un moyen de recueillir des tests, des retours et le soutien d’un écosystème. L’adaptation de Huawei Ascend dès le jour de la sortie montre la rapidité avec laquelle cet écosystème peut réagir, tandis que deux évaluations incluses portent sur la recherche en plusieurs tours et l’exécution de tâches en plusieurs étapes. Le modèle constitue donc à la fois une publication technique et le signal que Xiaohongshu veut développer des capacités d’IA sous-jacentes, et pas seulement en consommer.