最近AI圈子真是热闹非凡，各家大模型你方唱罢我登场，拼参数、拼算力、拼数据。但要说最近让我眼前一亮的，那非小红书 Hi Lab 在 2025年6月6日 正式开源的 dots.llm1-143B-A14B（简称 dots.llm1）莫属了！这不只是一款“硬核”的MoE大模型，更是一款带着“人文温度”的智能体，让人不得不感叹，AI真的越来越有意思了！
小身板大能量：MoE架构，训练成本“打骨折”！
别看名字有点长，它背后的技术可一点不含糊。dots.llm1 采用了时下最火的 MoE（Mixture of Experts）稀疏架构。啥意思呢？简单来说，模型里藏着一大堆“小专家”，每次处理信息时，系统只会激活其中最擅长的几个专家来干活，而不是让所有参数都参与运算。
- 总参数量高达1420亿（142B），但实际激活的参数只有 140亿（14B）。这就像一个有100个脑子的人，但每次只用10个脑子来思考问题，效率直接拉满！训练数据仅用了11.2万亿（T）高质量真实语料，一个合成数据都没用，结果呢？性能媲美 Qwen2.5-72B！最让人惊叹的，是它的“省钱”能力！ 训练资源总消耗仅需 146万GPU小时，不到 Qwen2.5-72B（612万GPU小时）的 1/4！每万亿 token 的训练成本更是低至 13万GPU小时，而 Qwen2.5 却要 34万。这简直是把训练成本打了个骨折啊！
它还支持 32K tokens 的超长上下文，通过独特的 UtK（Unshuffle-then-Knit）策略，能巧妙处理长文本，让模型在“记忆力”上不输阵。
中文赛道领跑者：不只优秀，简直“开挂”！
性能如何？这是大家最关心的！dots.llm1 在多个基准测试中表现都非常亮眼，尤其在中文任务上，简直是“开挂”般的存在！
- 中文语义理解（CLUEWSC）：92.6分，这可是行业领先的水平！中文综合能力（C-Eval）：92.2分，直接超越了 DeepSeek-V3 等一众主流大模型，太给力了！数学推理（MATH500）：84.8分，甚至跑赢了 Qwen2.5 系列，在数学方面也是一把好手。
虽然在英文任务上与 Qwen2.5-72B 相当，代码能力略逊于 Qwen3 和 DeepSeek-V3，但这并不妨碍它成为中文大模型领域的一颗耀眼新星。要知道，这还是在更低成本、更少数据训练出来的成果，潜力无限！
不仅智能，更有人文：Hi Lab的“AI人文训练师”
如果说前面是“硬实力”，那这一部分就是 dots.llm1 的“灵魂”所在了。小红书的 “人文智能实验室”（Hi Lab）不只追求极致的AI能力，更将“人文”的温度融入其中。
- 他们组建了一支独特的 “AI人文训练师”团队！想象一下，一群拥有哲学、文学、电影艺术背景的专家，亲自上手调教AI，这听起来是不是有点像科幻电影里才能看到的场景？他们甚至与 复旦大学哲学学院 合作，成立了 “AI人文人才训练营”，旨在培养更多能把AI和人文结合起来的跨学科人才。通过这种“人文微调”——包括指令微调和拒绝采样微调（RFT），模型的输出会更像人类，少一些“AI味儿”，多一些温度和深度，在伦理思辨、人性化表达上，努力向人类看齐。这无疑是AI发展中极其重要的一步。
慷慨开源，共创未来：不止代码，还有“学习笔记”！
小红书这次是真的“敞亮”！dots.llm1 可是带着满满的诚意，以 MIT许可证 全面开源：
- 代码和权重 已在 Hugging Face 和 GitHub 上公开，伸手可得。
- Hugging Face：huggingface.co/rednote-hil…GitHub：github.com/rednote-hil…
总结：AI圈的新范式，值得期待！
dots.llm1-143B-A14B 的发布，不仅仅是小红书在AI领域投下的一枚重磅炸弹，它更像是一种全新的范式：用高效的MoE架构实现低成本高性能，再结合人文微调提升生成内容的“人味儿”。
尤其是它在中文任务上的卓越表现和对**“人文智能”的深度探索**，让 dots.llm1 有望成为国产开源大模型的新竞争力标杆。Hi Lab 的成立，以及技术负责人陈威行这样的核心人物坐镇，都表明小红书对AI的投入是全方位的、深远的。
所以，各位开发者、研究员，还在等什么？赶紧去Hugging Face和GitHub一探究竟吧！这款中文MoE的“人文”突破，绝对值得你深入体验！
如果你也对最新的AI信息感兴趣或者有疑问 都可以加入我的大家庭 第一时间分享最新AI资讯、工具、教程、文档 欢迎你的加入！！！😉😉😉
公众号：墨风如雪小站
