小红书悄悄开源了自己的大模型：内容平台为什么要造底座

周末刷到一条消息，挺意外的。小红书旗下的dots模型实验室，开源了一个叫dots3 note preview的模型。

参数规模不小：总参数280B，激活参数16B，支持512K超长上下文窗口，具备文本、视觉与语音多模态理解能力，还针对复杂推理和长程Agent任务做了优化。更关键的是，这只是一个预览版，正式版和完整系列（note、jazz、aria三个层级）还在路上。

一个内容社区平台，为什么要自研大模型，还开源？这事值得细品。

内容平台的"模型焦虑"

你可能没意识到，现在所有内容平台都在被大模型能力重塑。小红书的推荐算法、内容审核、AI助手、创作者工具，背后都依赖大模型。但如果核心模型能力掌握在别人手里，你的产品体验就永远受制于人。

举个例子，小红书的内容审核需要理解图片、文字、语境，通用大模型在这些垂直场景上的表现，跟专门训练过的模型比，差距不小。自研模型可以做到更懂平台调性、更懂用户习惯、更懂内容边界。

为什么选择开源

这其实是2026年AI行业一个很明显的特点：开源成了新标配。

阿里Qwen登顶Hugging Face全球趋势榜，基于Qwen的衍生模型已经超过15万个。中国自研开源模型全球下载占比达到41%，首次超过美国。在这个大背景下，小红书选择开源，一方面是在开源生态里获得社区反馈来优化模型，另一方面也是向行业释放信号——我有技术实力，不只是个内容App。

对于做AI内容创作的人来说，一个专门为内容场景优化的开源模型，意味着更多可能。你可以用它来做更精准的内容推荐、更自然的AI辅助写作、更智能的图文理解。

对行业格局的影响

以前大家觉得，内容平台就是应用层的事情，底层模型是大厂的游戏。但小红书这一举动说明，边界正在模糊。内容平台有真实场景、有海量数据、有明确需求，这些恰恰是训练好模型的关键要素。

从字节跳动的豆包到小红书的dots，互联网内容公司集体"向下扎根"，开始自建模型底座。这预示着AI行业的竞争正在从"谁的模型好"转向"谁的应用场景能养出好模型"。

一个小观察

dots3系列的命名很有意思：note、jazz、aria——音符、爵士、咏叹调。用音乐术语命名模型层级，这大概是所有大模型里最有文艺范的命名方式了。也许这本身就是小红书的一种态度：技术可以很硬核，但也应该有温度和品味。