An vorderster Front | Das lokale große KI-Modell StartLux-27B hat die MCP-Universe-Bewertung bestanden: es belegt den zweiten Platz in der Gesamtwertung und den ersten Platz in mehreren spezialisierten Kategorien.
Kürzlich zeigte ein Prüfbericht, der vom Institut für Künstliche Intelligenz der Chinesischen Akademie für Informations- und Kommunikationstechnologie (im Folgenden als „CAICT“ bezeichnet) unter dem Ministerium für Industrie und Informationstechnologie veröffentlicht wurde, dass das lokale große Modell StartLux-V1.0-27B-Preview, das von der Shanghai Origin Star Science and Technology Co., Ltd. (im Folgenden als StartLux bezeichnet) entwickelt wurde, bei der speziellen MCP-Prüfung des Benchmarktests für vertrauenswürdige KI-Großmodelle mit einer Parameteranzahl von 27B den zweiten Platz in der Gesamtleistung erzielte – ein Ergebnis, das über dem des Drittplatzierten DeepSeek-V4-Flash liegt, und sein Fähigkeitsbereich ist bereits in das Fähigkeitsniveau der Billionen-Parameter-Modelle eingetreten, die durch DeepSeek-V4-Pro repräsentiert werden.
Der spezielle MCP-Test des Benchmarktests für vertrauenswürdige KI-Großmodelle umfasst 6 spezielle Aufgabentypen (Positionsnavigation, Websuche, Browserautomatisierung, Finanzanalyse, Code-Repository-Verwaltung und 3D-Design) sowie eine Gesamtbewertung, also insgesamt 7 Prüfpunkte. Er konzentriert sich auf die umfassende Leistung von Großmodellen in Bereichen wie der Zusammenarbeit mehrerer Tools, der Ausführung komplexer Aufgaben und der Interaktion in realen Umgebungen. Einige Indikatoren und Daten dieses speziellen Tests beziehen sich auf das Open-Source-Projekt MCP-Universe.
Die getesteten Modelle umfassen DeepSeek-V4-Pro (1.6T), DeepSeek-V4-Flash-0731 (284B), Step-3.7-Flash (198B), StartLux-27B-260715 (27B), Qwen-3.6-27B (27B) und AgentCPM-Explore (4B).
Die Ergebnisse zeigen, dass StartLux-V1.0-27B-Preview eine Gesamtpunktzahl von 39,25 erreicht und den zweiten Platz belegt, womit es die 284B große Version DeepSeek-V4-Flash-0731 und die 198B große Version Step-3.7-Flash übertrifft. Bei gleicher Parametergröße liegt die Leistung von StartLux-V1.0-27B-Preview um 5,34 Prozentpunkte über der von Qwen-3.6-27B. Bei einzelnen Aufgaben zeigt es noch herausragendere Leistungen: Es belegt den ersten Platz bei der Positionsnavigation, und bei Aufgaben wie der Browserautomatisierung und der Finanzanalyse teilt es sich entweder den ersten Platz mit dem 1,6T-Parameter-Modell DeepSeek-V4-Pro oder belegt diesen allein.
Testergebnisse
Testergebnisse
StartLux führt eine gezielte Erweiterung durch Nachschulung auf Basis von Qwen3.6-27B durch und hebt ein lokales 27B-Modell auf das gleiche Niveau wie das 1,6T-Flaggschiffmodell – dies gelingt dank einer neuartigen, mehrdimensionalen, überprüfbaren und skalierbaren Technologie zur Optimierung und Aktualisierung von Modellen, die vom StartLux-Team selbst entwickelt wurde.
Während des Modelltrainings verwendet das Team die Methode des KI-gesteuerten KI-Trainings (Auto Research), führt unabhängig Trainingsexperimente durch und optimiert die Trainingsstrategie kontinuierlich anhand von Rückmeldungen. Diese Methode repräsentiert die aktuelle Spitzenrichtung der globalen Modellentwicklung. StartLux-V1.0-27B-Preview ist das erste lokale Agentenmodell in China, das mit dieser Methode nachtrainiert wurde.
Weltweit gewinnen lokale Modelle zunehmend Aufmerksamkeit in der Branche.
Google hat im April die Gemma 4-Serie vorgestellt, deren 31B-Dense-Version den dritten Platz in der Rangliste der Open-Source-Modelle belegt und nach Quantisierung auf Consumer-Grafikkarten lokal ausgeführt werden kann. Anfang August veröffentlichte Meta das lokale 30B-Modell Muse Glimmer als Open-Source-Software. Auch NVIDIA hat im August das Open-Source-Modell Nemotron 3.5 Lightning vorgestellt – ein MoE-Modell mit 30B Parametern, das direkt auf lokalen Geräten wie RTX-PCs ausgeführt werden kann.
Chen Danian, Gründer von Shanda Network und Vorsitzender des Vorstands von Yusheng Science, prognostizierte kürzlich, dass lokale Modelle innerhalb von 3 Jahren 80 % des Marktes für große Modelle einnehmen werden. Roman Orús, Mitbegründer und Chefwissenschaftler des Quanten- und KI-Softwareunternehmens Multiverse Computing, erklärte ebenfalls, dass die Branche in eine Phase eintritt, in der lokale große Sprachmodelle zu echten Konkurrenten von Cloud-Diensten werden.
Derzeit kann StartLux-V1.0-27B-Preview auf Consumer-PCs ausgeführt werden. Wie bekannt ist, plant StartLux die Einführung der ersten Generation lokaler intelligenter Lösungen noch in diesem Jahr. Gleichzeitig schreitet das StartLux-Team stetig bei der Modelltrainingsarbeit voran und führt zudem eingehende Forschung und Optimierung an neuen Architekturen wie diffusiven Sprachmodellen durch.