小红书dots模型实验室开源280B参数的多模态大模型dots3-note preview，支持512K超长上下文，并针对复杂推理与Agent任务进行了专项优化。该模型在长程开放任务中表现出色，实测可接管游戏及端到端开发应用，同时官方还同步开源了两套全新的评测基准。此次开源为社区在复杂智能体应用和多模态感知领域提供了新的参考，展示了其在长轨迹任务处理上的技术潜力。
小红书dots模型实验室开源280B参数的多模态大模型dots3-note preview，支持512K超长上下文，并针对复杂推理与Agent任务进行了专项优化。该模型在长程开放任务中表现出色，实测可接管游戏及端到端开发应用，同时官方还同步开源了两套全新的评测基准。此次开源为社区在复杂智能体应用和多模态感知领域提供了新的参考，展示了其在长轨迹任务处理上的技术潜力。
小红书开源了总参数280B、活跃参数16B的多模态模型dots3-note Preview，专为复杂推理和长时程智能体任务设计。同时，官方还发布了名为TEMPO的强化学习训练算法，通过测试时扩展价值估计与宏观步策略优化来支持长时程回滚。这一开源动作丰富了社区在多模态和复杂推理领域的可用模型与算法资源。
小红书dots实验室正式开源dots3-note preview模型，选择避开热门的Coding Agent赛道，转而聚焦旅行规划等无标准答案的生活长程智能体方向。该模型基于TEMPO方法，通过宏观步骤切分与动态校准解决真实生活场景中的多变需求与滞后反馈问题。此举表明小红书正依托其丰富的生活内容生态，在差异化AI应用落地方面迈出实质性一步，为行业探索非标准场景Agent提供了新思路。
小红书 AI 实验室正式开源 280B 参数的多模态模型 dots3-note preview，该模型支持 512K 上下文，并针对真实世界长程智能体（Long-horizon Agent）任务进行了优化。模型发布后在海外 AI 社区引发广泛讨论，并在部分基准测试中取得优异成绩，显示出国内厂商在特定 AI 研究方向上的技术探索与潜力。
RedNote 团队发布了 dots3-note 预览版模型，该模型为 280B MoE 架构，支持 512K 上下文及多模态理解，并引入了用于长时程任务的 TEMPO 强化学习方法。演示中使用了 ARC-AGI-3 来展示测试时持续学习能力，虽然结果尚未得到最终验证，但这一探索为提升模型在复杂任务中的动作效率提供了新的参考方向。