刚刚，小红书开源dots3-note！IMO 42分满分同系列模型来了

编辑｜杜伟、杨文 终于，小红书 IMO 满分夺金模型的同系列版本开源了！ 上个月，小红书自研大模型「dots-note-3.0」创下了一个历史记录：AI 首次在国际奥数竞赛中斩获官方认证的满分42 分。此后，社区最关心的问题，就是模型什么时候开源。 HuggingFace AI 研究及社区生态相关负责人 Adina Yakup。图源 X Post 就在今天，小红书 dots 模型实验室（以下简称 dots 实验室）宣布 开源 dots3-note preview ！它也是 dots3 系列模型首个开源版本，瞄准了更贴近现实、更难评测的长程任务。 从参数来看，dots3-note preview 的总参数为 280B，其中激活参数为 16B，支持 512K 超长上下文窗口，具备了文本、视觉与语音多模态理解能力，并 针对复杂推理、Agent 和多模态感知进行了优化 。 API 入口: https://dots.ai/platform/ Huggingface: https://huggingface.co/dots-studio/dots3-note-prev GitHub: https://github.com/studio-dots-ai/dots3-note-prev IMO 满分验证了该系列模型在数学推理与证明上的能力，此次开源把挑战带到了另一类更难标准化的场景：旅行规划、婚礼筹备、开店经营。这类任务没有唯一答案，时间还可能拉长到数小时、数天甚至更久。 dots3-note preview 将重心放在长程任务上，也踩中了当前 Agent 发展的一条主线：它们开始被要求独立承担越来越长、越来越完整的工作。OpenAI 曾披露，今年 5 月，超过 70% 的用户让 Codex 处理需要人类一小时以上才能完成的工作；到 6 月，OpenAI 内部使用量最高的 1% 活跃用户每天产生超过 60 小时的 agent turns。 不过当任务落到不同场景里，难度很快就会拉开。与数学、代码和工程等 Agent 表现比较成熟的场景不同，真实生活环境更开放、需求更模糊。dots3-note preview 选择把「考场」放在这里，对自身的长程规划、判断与纠错能力提出了更高要求。 从多项主流 benchmark 数据来看， 在多项推理及智能体任务上，模型可比肩甚至超过参数规模数倍于自身的大尺寸模型 ， 视觉能力在同尺寸区间表现突出 。 图源：官方技术博客 图源：官方技术博客 此前，小红书已经陆续开源了文本大模型 dots.llm1、多语言文档布局解析模型 dots.ocr 和多模态视觉理解大模型 dots.vlm1。 最新的开源，补上了 Agent 这一块拼图 。 一手实测： 它能真正完成复杂任务吗？ 模型的真实能力，光看榜单远远不够。接下来，我们通过几个 case，来看看这款模型在面对信息零散、步骤繁多、环境持续变化的任务时，如何独立推进并交付结果的。 接管《杀戮尖塔 II》 先让 dots3-note preview 接管一局《杀戮尖塔 II》。 该游戏的难点在于，选什么路线、拿哪张牌、是否挑战精英、金币怎么花、营地选择休息还是升级，都会影响几十个回合后的生存概率。局部最优的选择，很可能给后面的 Boss 战埋下隐患。 模型事先并未针对这款游戏进行专门训练，却能根据战斗反馈学习卡牌和敌人机制，同时管理生命、牌组、金币与药水，在商店、营地和精英战之间不断权衡，一路玩到了 33 层。 从零破解 ARC-AGI 3 在长程推理任务 ARC-AGI 3 中，规则完全未知，模型需要观察画面，提出假设，再通过操作加以验证。 dots3-note preview 逐步发现两个方块上下同步、左右镜像规律，并摸索出危险格、可移动标记、压力开关和闸门等机制。 每当假设出错后，它会启动 Self-Critiquing 机制重新评估，将修正后的规则写入 memory.md，这个文件类似模型的记事本，持续保存对环境的动态理解。 最终，模型通过 320 步操作解开全部 6 关。 读图解决装修难题 持续学习与推理能力，最终还是要回到真实生活。 比如下面这个典型的装修难题：同时上传户型图和两款冰箱的参数截图，并补充信息：厨房靠近书房一侧的墙面，已经做了 1.5 米长的台面，现在想把冰箱放在这面墙上，究竟还能不能放下？ 关键信息分散在不同图片和文字表述中，模型需要结合户型图、已有台面尺寸和两款冰箱规格，计算出墙面剩余空间，给出适配结论。它还主动提醒用户到现场复尺确认。 整个过程涉及视觉空间理解、复杂推理和工具调用，也体现出模型基于个人实际环境生成定制化答案的能力。 沿用刚才的户型图，继续让模型为书房设计几套实木风装修方案。 模型保留此前识别的尺寸与采光信息，搜索小红书相关笔记，整理四套实木风方案并生成网页，连续完成读图、计算、检索和内容生成。 端到端跑通 visionOS 应用开发 最后，来看 dots3-note preview 能否独立完成一个完整的端到端软件工程任务，让它「参考小红书的设计，开发一款 Apple Vision Pro 原生应用」。 接到任务后，模型没有急于写代码，它先理解产品需求并参考 9 张界面图，自主确定开发方案，包括采用 SwiftUI+RealityKit 技术路线，规划组织窗口、沉浸式空间和 3D 商品展示等不同模块。方案敲定后，它继续准备本地图片和 3D 模型等素材，再逐步完成代码实现。 整个项目生成 12 个 Swift 文件、1876 行代码，实现信息流、个人主页、私信、商品等界面，并接入 USDZ 3D 模型。随后，模型又自行生成 Xcode 工程、调用 xcodebuild 编译，并在 visionOS Simulator 中完成检查，最终显示「BUILD SUCCEEDED」。 从需求理解、技术选型到代码实现、编译和验证，这套开发流程最终被完整跑通 。 从最后的成品来看，已经具备了一套比较完整的空间交互。信息流可以滚动、笔记能够进入详情页，个人主页、私信可以作为独立窗口展开。 用户还可以在购物界面中直接查看并切换不同的 3D 商品。 没有标准答案， 模型得持续学习，并给自己纠错 从几组实测来看，dots3-note preview 最突出的能力是边探索、边记住新信息，遇到变化或判断失误后再调整，直到把结果交付出来。它是怎么做到呢？关键在于两件事： 学习并记住真正有用的信息，以及及时发现自身判断出现偏差并修正 。 dots 实验室首先要解决的一个问题是：模型结束训练之后，能不能持续从环境和用户身上学习。 为了训练这种能力，dots 实验室构建了 数千个 不依赖先验知识的超长程新颖环境，让 Agent 在此前没有接触过的场景中持续探索，通过与环境交互学习新的规则和知识，用于后续决策。并且，当任务长度显著超过模型的上下文窗口后，模型不能始终依赖上下文中已有的信息。经过强化学习训练，它会逐渐学会如何保留对后续解决问题有用的信息。这项能力已经在 ARC-AGI 3 上得到了验证。 从下图可以看到，dots3-note preview 在 ARC-AGI-3 上以不到 500 美元的成本取得约 0.3