استودیو AI شیاو هونگ سو در چین مدل متن باز "dots3-note preview" را معرفی کرد. این مدل دارای ساختار MoE با ۲۸۰ میلیارد پارامتر و پنجره زمینه ۵۱۲۰۰۰ توکن است. پارامترهای فعال واقعی به ۱۶ میلیارد میرسد و از درک ورودیهای متنی، بصری و صوتی پشتیبانی میکند. استودیو dots برای آموزش طولانیمدت عاملها، روش یادگیری تقویتی "TEMPO" را معرفی کرده است. وزنهای مدل در هگینگ فیس بارگذاری شده و API به OpenRouter متصل شده است. طبق شاخصهای عملکرد، dots3-note امتیاز ۷۵.۱ را در Terminal-Bench 2.1 ثبت کرده و ۴.۹ امتیاز بالاتر از مدل اوپن ویتر آمریکایی است. SemiAnalysis در حال بررسی کیفیت استفاده روزمره و امکان بهینهسازی ارزیابی از طریق آزمایشهای اضافی است. Terminal-Bench 2.1 یک معیار برای ارزیابی عاملها در محیط ترمینال است که نسخه اصلاحشدهای از ۲۸ وظیفه از ۸۹ وظیفه را شامل میشود. ساختار MoE به گونهای است که تنها برخی از مدلهای تخصصی فعال میشوند تا کارایی محاسباتی افزایش یابد. این انتشار به زیرساخت توسعه AI مربوط میشود و از طریق OpenRouter فرصتی برای توسعهدهندگان و محققان فراهم میکند تا مدلهای اوپن ویتر را مقایسه و آزمایش کنند.
این محتوا صرفاً برای اطلاعرسانی عمومی ارائه شده است و بهمنزله مشاوره مالی، سرمایهگذاری، حقوقی یا مالیاتی تلقی نمیشود. هرگونه رویداد، جایزه، کمپین آنلاین یا اطلاعات مرتبط که در اینجا ذکر شده است، نباید بهعنوان توصیه، ترغیب یا دعوت به خرید، فروش، معامله یا هرگونه دادوستد دیگر داراییهای رمزارزی تلقی شود. داراییهای رمزارزی از نوسان بالایی برخوردار هستند و ممکن است منجر به زیان شوند. دسترسی به خدمات، محصولات و رویدادهای مرتبط با WEEX ممکن است بسته به منطقه جغرافیایی متفاوت باشد. اطمینان از اینکه استفاده شما از این خدمات با قوانین و مقررات محلی مطابقت دارد، بر عهده خود شماست.




















![[مصاحبه نهایی SCAN 2026] ②J0y_B0y: چهار دانشجوی دانشگاه علوم کاربردی اردن گرد هم آمدهاند](/public-static/25_d4737ee605.png?format=avif)








