2026 年 8 月 19 日——小红书 dots 实验室于 8 月 14 日开源 dots3 系列首个开放权重模型 dots3-note preview，并于 8 月 19 日通过 Dots API 开放平台（dots.ai/platform）上线官方 API 调用服务。官方 API 目前限时免费开放，用户注册账号即可获取 API Key 直接调用，无需本地部署。
该模型采用 280B 总参数、16B 激活参数的 MoE 架构，支持 512K 超长上下文与文本、视觉、语音、视频四模态理解，是 dots3 系列（规划包含 note、jazz、aria 三档）中最轻量的版本，主打长程开放域 Agent 任务，继承同系列 dots-note 3.0 在 IMO 2026 国际数学奥林匹克竞赛中获官方认证满分（42/42）的推理基因。模型权重采用 Apache 2.0 协议，在 Hugging Face 与 GitHub 开放下载，华为昇腾 Atlas 800 A3 与 Atlas 900 A3 SuperPoD 已于 8 月 15 日完成全功能适配。
1. API 限时免费
据 dots 实验室官方发布，Dots API 开放平台于 8 月 19 日上线。用户通过小红书账号登录 dots.ai/platform 后，可在 API Keys 栏目创建密钥，直接通过云端接口调用 dots3-note preview 模型。官方 API 目前处于限时免费阶段，开发者可在免费额度内直接调用，无需预先充值或订阅付费套餐。
作为对比，第三方托管平台 DeepInfra 同日上线了 dots3-note preview 的商业托管 API，定价为输入 $2/百万 token、输出 $6/百万 token、缓存命中 $0.20/百万 token。官方 API 的限时免费政策为开发者提供了零成本试用窗口。
限时免费截止时间：截至发稿，官方尚未公布限时免费的具体截止日期，建议关注 Dots API 开放平台官方公告。
2. 开源详情
dots3-note preview 于 8 月 14 日在以下平台同步开放权重，采用 Apache 2.0 许可证：
| 平台 | 地址 |
|---|---|
| Hugging Face | dots-studio/dots3-note-prev（BF16） |
| Hugging Face | dots-studio/dots3-note-prev-fp8（FP8 量化） |
| GitHub | studio-dots-ai/dots3-note-prev |
| ModelScope | dots3-note preview |
官方推荐 FP8 版本在单机 8 卡（如 8×H100）上以 TP=8、EP=8 部署；BF16 版本需要更多显存。模型支持 vLLM、SGLang 与 Transformers 三种推理框架，SGLang 官方提供 lmsysorg/sglang:dev-dots3-note 镜像与 cookbook 配方。
3. 模型规格
| 项目 | 数据 |
|---|---|
| 模型名称 | dots3-note preview |
| 总参数 | 280B |
| 激活参数 | 16B |
| 架构 | MoE（256 个路由专家 + 1 个共享专家，Top-8 路由） |
| 隐藏层维度 | 5,120 |
| 词表大小 | 152K |
| 原生上下文 | 512K Token |
| 注意力机制 | MLA 底座 + SWA 与 DSA 混合稀疏注意力 |
| 输入模态 | 文本、图像、视频、音频 |
| 视觉编码器 | 7B 总参数 / 1.2B 激活的 MoE ViT |
| 音频编码器 | 800M 参数稠密网络 |
| 多 Token 预测 | 1.13B 参数共享 MTP 层，并行预测最多 3 个后续 token |
| 开源协议 | Apache 2.0 |
| 官方 API | 限时免费（dots.ai/platform，8 月 19 日上线） |
| DeepInfra 托管 API | 输入 $2 / 输出 $6 / 缓存 $0.20（每百万 token） |
4. 核心能力
据官方模型卡与发布信息，dots3-note preview 在以下方向做了针对性优化：
长程开放域 Agent。区别于数学、代码等标准化场景，模型专攻旅行规划、婚礼筹备等无唯一标准答案、时间跨度长的复杂任务，可独立推进并交付结果。单任务可执行数千轮交互，持续 40-50 小时。
复杂推理与数学证明。继承 dots-note 3.0 在 IMO 2026 中六道题全部满分（42/42）的推理能力，具备形式化证明水平。
多模态统一理解。文本、图像、视频、音频经各自编码器处理后与语言模型对齐，支持视觉空间判读、文档图表解析与视频问答。
自主学习与纠错。模型在未知规则环境中通过观察提出假设并验证，出错时启动 Self-Critiquing 自我批判机制，将修正后的规则写入外部 memory.md 动态记忆文件，实现跨步骤的知识累积与策略调整。
端到端软件工程。可独立完成需求分析、技术选型、代码实现、编译构建到验证运行的完整开发流程。
5. 训练方法：TEMPO
dots 实验室提出 TEMPO（Test-time-scaled Value Estimation with Macro-step Policy Optimization），解决长程 Agent 训练中奖励稀疏与信用分配困难的问题。该方法将长程任务拆分为多个 macro-step，每个阶段结束时模型从 actor 切换为 critic，通过测试时扩展的推理和工具调用来估计当前状态的预期剩余回报，在任务结束前就更新策略。
据官方技术博客，TEMPO 训练的模型在 ARC-AGI-3 任务上的平均得分比 baseline checkpoint 提高 31.5%，比 GRPO 提高 20.6%。在引入 Self-Critiquing 机制后，模型的自我评价能力进一步增强——即使面对当前无法解决的问题，也能从两个表面相似的状态中识别出真正有突破希望的那个。
6. 硬件适配与部署
8 月 15 日，据华为中国官微消息，昇腾 Atlas 800 A3 与 Atlas 900 A3 SuperPoD 超节点已完成 dots3-note preview 的全功能适配，实现 Day-0 上线。适配基于 vLLM Ascend 推理引擎，包含 FlashComm 通信优化、FUSED_MC2 通算融合与 MTP 投机推理支持，用户可沿用 vLLM 标准接口零门槛迁移。
本地部署方面，27B 量化版本（GGUF）约 15-16 GB 显存，可在单卡运行；FP8 版本推荐单机 8 卡部署；BF16 全精度需要更多显存。
7. 系列背景
dots3 系列规划包含 note、jazz、aria 三档模型，分别面向不同能力、延迟与推理成本的平衡点。dots3-note preview 是 dots3 系列首个开放权重模型，也是 dots 实验室继 dots-note 3.0（IMO 2026 满分）后第二次面向开发者开放模型权重。
dots 部门为小红书于 2026 年 4 月 30 日宣布成立的 AI 一级部门，向公司总裁汇报，由原人文智能实验室 Hi Lab 升级而来。dots3-note 正式版官方表示将于近期开源，jazz 与 aria 两档后续推出。
举手提问