小红书，这家以“种草”文化闻名的社交平台，近期在AI技术自研方面迈出了坚实步伐。两个月内，小红书连续开源了三款模型，其中最新开源的dots.vlm1多模态大模型尤为引人注目。这款模型基于小红书自研的视觉编码器构建，展现出了强大的视觉理解和推理能力，实测中甚至能“看穿色盲图”、破解数独、解答高考数学题，甚至能模仿李白诗风创作。
在当前的AI圈，竞争异常激烈，各大科技巨头纷纷推出自家的开源模型。OpenAI的Claude从Opus 4升级到4.1，谷歌的Genie 3也引发了社区的广泛讨论。而在国产模型方面，HuggingFace上的前十个开源模型中，大部分都是来自国内的作品，显示出国产AI模型的强劲势头。
然而，在这些排名靠前的开源模型中，一个显著的现象是，大多数模型都是文本模型，缺乏多模态能力。相比之下，小红书人文智能实验室（Humane Intelligence Lab，简称hi lab）开源的dots.vlm1，则以其独特的多模态能力脱颖而出。
dots.vlm1是小红书hi lab研发并开源的首个多模态大模型，它基于12亿参数的NaViT视觉编码器和DeepSeek V3大语言模型构建。在视觉评测集如MMMU、MathVision、OCR Reasoning上，dots.vlm1的表现已接近当前领先的Gemini 2.5 Pro与Seed-VL1.5 Thinking模型，显示出强大的图文理解与推理能力。
实测中，dots.vlm1展现了令人惊艳的表现。在空间理解任务中，即使面对复杂的图表，dots.vlm1也能准确提取信息并进行分析。在数独问题上，dots.vlm1更是展现了其强大的推理能力，通过逐步试算和检查，成功解出了数独问题。dots.vlm1还能解答高考数学题，其答案格式整齐，逻辑清晰。
除了视觉和推理能力，dots.vlm1在文本生成方面也表现出色。当被要求模仿李白的诗词风格写一首诗时，dots.vlm1不仅准确把握了问题的精髓，还创作出了一首充满诗意的作品。这进一步证明了dots.vlm1在理解和生成文本方面的强大能力。
小红书之所以选择自研多模态大模型，是因为多模态AI正成为通向通用人工智能（AGI）的必经之路。通过模拟人类利用多种感官综合感知世界的方式，多模态AI能够形成更全面、细致的理解。在自动驾驶、具身智能等领域，多模态AI正发挥着越来越重要的作用。
小红书hi lab在AI技术自研方面的决心不仅体现在dots.vlm1上。此前，他们还开源了dots.llm1和dots.ocr等模型，显示了其在AI技术自研方面的持续投入和创新能力。未来，随着dots模型家族的不断壮大，小红书有望在AI领域取得更多突破。
值得注意的是，小红书在AI技术自研方面的努力并不仅仅是为了追求技术领先。他们更希望通过这些技术来更好地理解用户和内容，从而提供更精准的个性化推荐和更自然的人机交互体验。这不仅有助于提升小红书的用户体验，也有助于推动AI技术在社交领域的创新应用。
随着dots.vlm1等模型的开源和应用，小红书在AI技术自研方面的努力正逐渐开花结果。未来，我们有理由相信，小红书将在AI领域取得更多令人瞩目的成就。
