扎克伯格的中国对手出现了:StartLux 27B本地大模型打平万亿级参数模型

关注
StartLux 27B给AI赛道划了一条新线

近期,围绕“本地大模型”的讨论明显升温。8月10日,Meta CEO 扎克伯格发布 6500 字宣言《未来属于每个人》,主张超级智能应属于每个人而非集中在少数机构手中,并于同日开源 30B 本地模型 Muse Glimmer。几乎同一时间,工信部中国信息通信研究院(以下简称“中国信通院”)人工智能研究所公布测试报告:上海原点星辉科学技术有限公司(下简称StartLux)的本地模型 StartLux-V1.0-27B-Preview,在可信AI大模型基准测试——MCP 专项测试中以 27B 参数量取得综合性能第二,打败了DeepSeek-V4-Flash-0731,与 1.6 万亿参数的 DeepSeek-V4-Pro 差距仅约 1 个百分点,在位置导航、浏览器自动化、金融分析等 Agent 任务中排名第一或并列第一。据了解,该模型送检时间为 8 月 3 日,早于 Muse Glimmer 开源。

image.png

image.png

这两件事在时间上相近,叠加近期多家厂商集中发布 30B 级模型的动作,使得“本地模型是否会成为下一阶段 AI 竞争焦点”成为一个值得讨论的问题。

过去两年,AI行业最重要的一条叙事是“大模型”。参数规模从百亿走向千亿,再走向万亿;模型越来越大,训练所需要的算力越来越多,AI的竞争一度被简化为一场关于GPU、数据中心和Scaling Law的竞赛。然而,从去年开始,风向悄然生变。以Harness为代表的Agentic评估体系受到广泛好评——它不再只关注模型“回答得好不好”,而是衡量其“事情做得好不好”,能否调用工具、完成复杂任务、在真实环境中自主决策。这种评估视角的转变,让业界开始重新审视:参数规模的持续膨胀,是否真的是通往AGI的唯一路径?与此同时,数据隐私与主权问题日益引发担忧。越来越多企业意识到,将核心业务逻辑、客户特征和机密数据源源不断地通过API输送给第三方闭源模型提供商,无异于在给对手“喂养”更强大的模型。这不仅关乎成本,更关乎战略安全。

Palantir CEO Alex Karp今年多次公开批评企业过度依赖第三方大模型提供商,强调企业应该保有对自身数据、知识产权和AI系统的控制权。前OpenAI首席科学家、Safe Superintelligence(SSI)创始人Ilya Sutskever在一次深度访谈中公开宣判:单靠“把模型一味做大”的时代已经走到了尽头。盛大网络创始人、语生科学董事长陈大年也在近期预测,本地模型的能力在3年之内应该可以和Claude这种最强的模型打平,并且本地模型会占据80%的大模型市场。

StartLux CTO 郭权玮博士将本地智能的优势归纳为三点:隐私安全、Token 自由和长期持续工作。他认为,随着大模型能力和工具调用逐渐成熟,AI 下一阶段真正的挑战,是能否进入用户真实的数据和工作环境,并以可控成本长期完成任务。云端模型在数据隐私、持续调用成本和长时间运行上始终存在天然限制,而这些正是本地智能更具优势的地方。

与去年相比,今年以来,市场上也出现了越来越多“小模型”。阿里开源 Qwen3.8-27B,两天下载量突破百万,登顶 Hugging Face 趋势榜。Meta 发布 Muse Glimmer(29.6B),Google 推出 Gemma 4 31B,上海交大团队推出科研大模型 BigBang-V1(35B)。这些动作表明,行业正在加大对本地模型的投入。而在应用层,信号更为明确:8月25日,头部云端 AI 公司 Perplexity AI 正式进入本地模型市场,宣布推出 Portable Computer——其多模型编排智能体数字员工“Perplexity Computer”的本地化版本。该产品搭载 Qwen 3.8 27B 或经 Perplexity 后训练的 PPLX 27B 模型,支持完全私密的本地工作流,仅在需要时才调用云端算力,率先支持 NVIDIA DGX Spark 桌面级 AI 超算,Windows 系统与独立显卡 PC 的支持将很快到来;据报道,英伟达正考虑对 Perplexity 进行战略投资,公司估值或超过 300 亿美元。这些动作表明,行业正在加大对本地模型的投入。

在这一趋势中,StartLux-V1.0-27B-Preview的不同之处在于它的技术路线。StartLux 以 Qwen3.6-27B 为基座做后训练定向增强,把一个 27B 的本地模型,推到与 1.6T 旗舰同级的位置,靠的是StartLux 团队自主设计的一个全新、多维度、可验证、可规模化的模型优化升级技术。模型训练的过程中,团队采用AI 训练 AI(Auto Research)的方法,自主开展训练实验,并通过反馈持续优化训练策略。该方法代表了当前全球模型研发的前沿方向。StartLux-V1.0-27B-Preview是国内首个采用该方法进行后训练的本地 Agent 模型。

值得注意的是,当前主流大模型多以云端部署为主,部分云端模型企业虽推出本地小模型,也并非将其作为主打产品。而 StartLux-V1.0-27B-Preview 则是本地原生模型。目前,国内将本地模型作为主营业务的 AI 公司仅 StartLux 一家。从这个意义上来说,StartLux 是全球第一家主打本地模型的 AI 公司。

据了解,StartLux 预计年内推出第一代本地智能解决方案。与此同时,StartLux团队正在稳步推进模型训练的脚步,也正对扩散式语言模型等新架构进行深入研究和优化。

反馈
联系我们
推荐订阅