dots-note-3.0: модель, набравшая 42/42 на IMO и утёкшая через PR в vLLM, теперь с открытым исходным кодом

14 августа 2026 года dots-note-3.0 перестал быть утечкой. Лаборатория Dots Model Lab компании Xiaohongshu открыла первую публичную модель из семейства dots3 как dots3-note preview — 280 миллиардов параметров (16 миллиардов активных), контекстное окно 512K, лицензия Apache-2.0 — через восемь дней после того, как pull request в vLLM раскрыл архитектуру модели до релиза. Веса доступны на Hugging Face, код — на GitHub, а чекпоинт, официально набравший 42/42 на Международной математической олимпиаде 2026 года, впервые может запустить любой желающий.

Этот релиз отвечает на все открытые вопросы, которые оставил нерешёнными материал в этом блоге об утечке от 6 августа, — размер, длину контекста, лицензию, путь на Hugging Face, дату релиза — и превращает историю «что мы знаем на данный момент» в историю, которую можно проверить. Далее — обновление: что вышло, что опубликованная конфигурация подтверждает об архитектуре, впервые раскрытой в PR, что теперь можно проверить независимо, а что остаётся лишь заявлением самого вендора.

От черновика PR до публичного чекпоинта

Утечка, если кратко: 6 августа 2026 года контрибьютор под ником KurodaKanbei — называющий себя аспирантом ETH Zürich, а не сотрудником Xiaohongshu — открыл pull request #51255 в vllm-project/vllm, добавив поддержку языковой модели «Dots3 NOTE». Пометка «черновик» была снята 7 августа в 13:55 UTC, и красноречивее всего были заметки о валидации в самом PR: автор запускал 8-GPU сервис DP8/EP8 «с чекпойнтом Dots3 NOTE FP8». Нельзя проверить FP8-чекпойнт, которого у тебя нет, — тот, кто написал этот PR, располагал реальной моделью. Он затрагивал 14 файлов, включая новый модуль vllm/models/dots3_note, и имел метки new-model и verified.

Все четыре сигнала, которые мы перечислили 8 августа, сработали, кроме самого важного. Репозиторий на Hugging Face появился — dots-studio/dots3-note-prev, Apache-2.0. Официальное объявление вышло — сам релиз открытого кода, сегодня. Стек инференса перестал быть черновиком: поддержка vLLM нативно встроена в main, а transformers и SGLang обе поддерживают dots3-note. Четвертый сигнал — независимая проверка математического результата 42/42 — по-прежнему остается невыполненным, но теперь он стал возможен так, как не был возможен никогда прежде, потому что веса открыты.

Что на самом деле было выпущено

Опубликованная карточка модели превращает выводы PR в спецификацию — и цифры берутся из собственной конфигурации чекпоинта, а не из сторонней сводки. Превью dots3-note — это модель со смесью экспертов:

• 280B всего / 16B активных параметров — 256 маршрутизируемых экспертов плюс один общий эксперт, маршрутизация top-8, на 1 плотном + 45 MoE-слоях с размером скрытого слоя 5,120.

• Окно контекста 512K токенов, словарь 152K, точность BF16 и FP8.

• Модуль многотокенного предсказания (MTP) — один общий слой с 1,13 млрд параметров, который параллельно предсказывает до трёх дополнительных токенов, что обеспечивает спекулятивное декодирование без отдельной модели-черновика.

• Мультимодальный ввод — текст, изображение, видео и аудио — создающий текстовый вывод. Визуальный энкодер представляет собой MoE ViT (7B всего / 1.2B активных), а аудио-энкодер — плотный 800M.

В примечании к объёму PR говорилось, что работы по vLLM охватывают «только LLM», а мультимодальные компоненты не входят в объём. Это касалось патча для инференса, а не модели: выпущенный чекпойнт включает зрительный и аудиоэнкодеры вместе с языковым ядром. Если вам нужна мультимодальная версия, вы смотрите на тот же репозиторий, обслуживаемый через пути transformers и SGLang, а не через путь vLLM только для LLM, который утёк первым.

Доступность, если конкретно: веса находятся в dots-studio/dots3-note-prev на Hugging Face под лицензией Apache-2.0; код и рецепты обслуживания — в репозитории studio-dots-ai/dots3-note-prev на GitHub; а хостинг-доступ осуществляется через собственный API-портал вендора и несколько сторонних платформ. Это первый выпуск с открытыми весами в семействе dots3 — формулировка «open-sourcing soon» (近期将开源), которую Xiaohongshu использовала в течение двух недель, согласно её заявлениям на китайском языке, наконец реализована.

Архитектура, которую утечка описала верно

В PR модель dots-note-3.0 описывалась как «структурно родственная DeepSeek-V3.2», но с сочетанием двух геометрий attention в одном стеке. Опубликованная конфигурация это подтверждает. В карточке модели 46 слоёв attention разбиты на 13 слоёв разрежённого attention в стиле DeepSeek (DSA) — с индексацией top-2048 — и 33 слоя скользящего окна attention (SWA), то есть примерно один разрежённый слой на каждые три плотных. Это и есть та самая структура «переход между разрежённым глобальным и плотным локальным», на которую намекало название ветки note-hopper, теперь зафиксированная прямо в чекпоинте.

Механически это та же идея, которую DeepSeek представила в V3.2: половина DSA — это лёгкий индексатор, который оценивает каждый кэшированный ключ относительно запроса, сохраняет короткий список top-k и вычисляет внимание по нему, а не по всему контексту — снижая квадратичную стоимость длинных последовательностей до примерно линейной. Половина со скользящим окном — это противовес: ограниченный диапазон плотного локального внимания, гарантирующий, что самые последние токены всегда полностью учитываются, независимо от того, что решает разреженный индексатор. Глобальное разреженное плюс плотное локальное в одной модели — это и была действительно необычная часть утечки — и теперь она подтверждена.

Остальная часть архитектуры — это знакомая механика семейства DeepSeek, как и говорилось в PR: негруппированный маршрутизатор MoE, sequence-parallel MoE, чанкованный prefill для длинного контекста, проверенный вплоть до полного окна 512K, и слой MTP, который по умолчанию использует внимание со скользящим окном для спекулятивного декодирования.

Рекорд 42/42 — и то, что теперь можно проверить

Сам результат IMO не меняется, как и его маркировка. 25 июля 2026 года Xiaohongshu объявила, что модель набрала идеальные 42/42 на официальном оценивании 67-й Международной математической олимпиады в Шанхае, где лишь 7 из 666 участников-людей повторили этот результат, а порог золотой медали составлял 29 баллов, — на 13 баллов выше золотой отметки и на 7 баллов выше результата Gemini Deep Think (35/42), предыдущего лучшего результата ИИ на официальном оценивании IMO. Это остаётся версией компании об официально оценённом соревновании: результат реален и подтверждён комитетом, но сопутствующие утверждения — как были получены задачи, как контролировались выборка и оценивание — никогда не проверялись независимо, поскольку никто за пределами лаборатории не мог запустить модель.

Это та часть, которую меняет релиз. С открытыми весами 42/42 — это уже не цифра, которую нужно принимать на веру или на слово из pull request; это результат, который третья сторона может попытаться воспроизвести, и это самое ценное, что можно проверить в этом релизе. Он также остаётся спорным по краям, как и две недели назад: китайские издания сообщили, что Celia от Huawei тоже набрала 42/42 в той же оценке, так что dots-note-3.0 — один из первых, а не первый; и заявление партнёра Menlo Ventures в X о том, что OpenAI, Anthropic, Axiom Math и Kimi K3 от Moonshot также достигли 42/42 в этом году, всё ещё остаётся непроверенным постом в соцсетях без каких-либо данных об оценке за ним.

Компания также опубликовала свежие заявления о бенчмарках вместе с релизом — все они предоставлены вендором и пока никем не воспроизведены. На бенчмарке ARC-AGI 3 Dots утверждает, что dots3-note preview набирает около 0,35 при заявленной стоимости тестового прогона менее $500. По наборам задач на рассуждение и агентские сценарии, включая WebShop, HotpotQA и ALFWorld, она заявляет, что модель не уступает или превосходит модели с в несколько раз большим числом активных параметров, а зрение у неё заметно выделяется для её размера. Это цифры Dots о собственной модели — относитесь к ним соответственно, пока нейтральная лаборатория не перепроверит их.

Dots также выпустила два оценочных стенда, созданных для этого класса задач, и открытие их исходного кода почти так же полезно, как и сама модель. VibeLifeBench запускает 200 задач в 22 симулированных сервисах и 288 интерфейсах инструментов, проверяя 1247 атомарных условий на то, сохраняет ли агент согласованность, когда среда меняется в середине задачи; согласно собственным результатам Dots, сильнейшая из протестированных на данный момент моделей набирает лишь 32.5 avg@3, а большинство ведущих моделей с закрытыми весами полностью проваливаются. VibeSearchBench уже — 20 доменов, 200 задач, проверяющих, запрашивает ли агент уточнение при неоднозначном запросе. Оба несут ту же заявленную разработчиком метку, что и показатель ARC-AGI, но стенды открыты для публики, что делает результат 32.5 опровержимым, а не риторическим.

Почему это агентная модель, а не математическая модель

Ни утечка, ни оценка IMO не должны вводить вас в заблуждение относительно предназначения этой модели. Позиционирование релиза строится не вокруг математики — это долгосрочные открытые задачи: персонализированное планирование путешествий, подготовка к свадьбе, управление небольшим магазином, ремонт дома. Задачи без единственного правильного ответа, цели которых меняются в процессе, а горизонт — часы или дни. Это намеренно иной набор бенчмарков, чем таблицы лидеров по математике и программированию, и именно здесь дизайнерские решения dots3-note — контекст в 512K, файл памяти, цикл самокритики — действительно окупаются.

В опубликованных материалах особенно выделяются три техники. Во-первых, модель ведёт файл памяти (memory.md) как текущую сводку состояния окружения — так она сохраняет контекст в ходе длительного открытого сеанса. Во-вторых, она использует механизм «самокритики» — ту же рекурсивную самопроверку, которая, как описывалось, применялась в решении IMO, — чтобы выявлять и исправлять собственные промежуточные шаги. В-третьих, рецепт обучения называется TEMPO (Test-time-scaled Value Estimation with Macro-step Policy Optimization): модель разбивает длинные траектории на макрошаги и чередует роли актёра и критика, чтобы генерировать собственный обучающий сигнал; как сообщается, именно поэтому её можно оптимизировать на задачах без эталонного ответа.

Практические демонстрации вендора — это суть заявления: прохождение колодостроителя Slay the Spire II до 33-го этажа, решение всех шести уровней ARC-AGI 3 за 320 шагов, разбор задачи на пространственное мышление, связанной с ремонтом дома, и создание visionOS-приложения от начала до конца (12 файлов Swift, 1 876 строк, «BUILD SUCCEEDED»). Относитесь к ним как к демонстрациям, а не бенчмаркам — но это демонстрации конкретной вещи: модели, которая удерживает в голове одну цель и выполняет много шагов, не теряя нити, а именно этой способности сейчас больше всего не хватает на рынке агентов.

Стоимость, самостоятельный хостинг и как попробовать

Открытые веса бесплатны; стоимость превью dots3-note зависит от того, где вы его развёртываете. Эталонный рецепт vLLM для чекпоинта FP8 работает на восьми NVIDIA H100 с тензорным параллелизмом 8 и параллелизмом экспертов 8 — это реальная строка бюджета, а не модель для ноутбука. Команды, у которых есть такое железо, получают весь стек, включая спекулятивное декодирование MTP на 3 токена и парсер вызовов инструментов dots, который поставляется в рантаймах. Все остальные будут работать с ним через хостинг: портал API вендора уже работает, а хостируемые превью-эндпоинты заработали на сторонних платформах в тот же день, когда вышли веса, — 14 августа. Превью-тариф указан как $0 за токен на платформах, которые его обслуживают, согласно собственным описаниям этих платформ, а не странице цен вендора, так что фактическая стоимость попытки опробовать превью dots3-note в продакшене сегодня практически равна нулю, пока действует метка превью.

Для разработчиков аргумент двухнедельной давности о том, чтобы дёшево поставить на непроверенную модель, теперь читается как аргумент об оценке только что выпущенной — паттерн тот же. Направьте часть трафика на новую модель за автоматическим аварийным переключением, чтобы неожиданный режим отказа обрушил тестовый путь, а не продакшен. Это то, для чего и нужен роутер, и это честная версия питча: на момент написания dots3-note preview не размещён на OrcaRouter, и никто не должен делать вид, что это не так. Но подход к маршрутизации, о котором мы писали в материале про утечку, применим с того дня, когда это произойдёт: один API, который достаёт новую модель в тот момент, когда провайдер её размещает, с ценами из прайс-листа провайдера без наценки и аварийным переключением, настраиваемым на каждый запрос. Тем временем модели семейства DeepSeek, к которым эта структурно близка, уже можно вызывать так: DeepSeek V4 Flash и DeepSeek V4 Pro обе доступны по одному ключу, с тем же принципом передачи цен без наценки и аварийным переключением на каждый запрос — разумная точка отсчёта, чтобы судить, как агентная модель с 16B активными параметрами вроде dots3-note preview на самом деле ведёт себя в продакшене.

Что посмотреть дальше

Четыре вещи, примерно в порядке того, насколько сильно они могут изменить картину:

• Независимое воспроизведение результата 42/42. Веса опубликованы; первый серьёзный сторонний повторный прогон результата IMO — или нейтральный оценочный пакет, который ему противоречит, — это самый ценный единичный показатель, который может дать этот релиз. До тех пор 42/42 остаётся официально оценённым результатом, заявленным компанией.

• Старшие собратья, jazz и aria. dots3-note preview — это первый публичный релиз и, по словам компании, самый лёгкий представитель семейства dots3. Если 280B всего / 16B активных — это малая модель, то две более крупные модели — это то, где на самом деле будут проверяться заявления о передовом уровне.

• Лимиты размещённых моделей и условия предварительной версии. Цена теперь публична — предварительный тариф бесплатен за токен на платформах, которые его предоставляют, — но лимиты запросов и то, предусматривает ли тег preview особые условия, по-прежнему будут определять, кто будет разворачивать модель самостоятельно, а кто вызывать её через API.

• Где он окажется в независимых рейтингах. Заявленные вендором показатели ARC-AGI и агентских наборов требуют нейтральной оценки, чтобы стать достоверными фактами, — это тот же процесс, который отделил шумиху от реальности в каждом открытом релизе в этом году.

Когда мы освещали утечку в августе, честное резюме было кратким: реальная архитектура, реальные данные, нет весов, нет даты. Три из этих четырёх оговорок уже неактуальны. Архитектура публична, данные привязаны к загружаемому чекпоинту, и дата наступила. Остаётся лишь проверка — и теперь, когда preview dots3-note можно запустить, а не читать о нём, ответ на вопрос, построила ли Xiaohongshu ту агентную модель, о которой заявляет, придёт от любого, у кого есть восемь H100 и бенчмарк-харнесс, а не от пулл-реквеста.