Dots Studio: Dots3-Note Preview (free)

dots3-note Preview är Dots Studios lättviktiga medlem i den multimodala dots3-familjen. Tillverkaren anger en mixture-of-experts-modell med totalt 280B parametrar, 16B aktiva parametrar och stöd för upp till 512K token i kontexten. Den tar emot text, bilder, video och ljud och producerar text, med allmänkunskap, instruktioner, resonemang, programmering och agentinriktat arbete bland de angivna uppgifterna.

Språkstommen har ett tätt lager och 45 expertlager, med åtta dirigerade experter valda bland 256 tillsammans med en delad expert. Dess attention kombinerar 13 lager med gles attention och 33 lager med glidande fönster. Tillverkaren anger separata bild- och ljudkodare och ett delat prediktionslager. Dessa komponenter stödjer multimodal förståelse; modellens utdata är fortfarande text snarare än genererade bilder, tal eller video.

För visuell analys, tillhandahåll bilden, sidan eller diagrammet och fråga om egenskapen som påverkar beslutet. En användbar dokumentuppgift kan jämföra en synlig tabell med ett skriftligt krav och returnera den relevanta raden, tolkningen och eventuell saknad information. För video, identifiera händelsen eller sekvensen som ska granskas; tillverkarens indataexempel inkluderar ljudspåret när klippet har ett sådant.

För ljud, ange om uppgiften behöver en transkription eller en förklaring av materialet och tillhandahåll eventuella namn eller domäntermer som behövs för tolkningen. En kombinerad uppgift kan använda inspelningen tillsammans med skriftlig bakgrund och be om iakttagelser organiserade efter frågan de besvarar. Resultatet är en textartefakt som applikationen kan presentera eller bearbeta.

Tillverkarens samtalsmall skiljer tänkande från ett direkt svar. Att aktivera tänkande lägger till ett resonemangssteg; att stänga av det returnerar svaret direkt. Det dokumenterade exemplet använder temperature 1,0 och top-p 0,95. Välj uppgiften och det önskade resultatet uttryckligen och lämna tillräckligt genereringsutrymme för svaret i stället för att behandla exemplets tokentilldelning som modellens fasta utdatatak.

För en programmeringsuppgift, tillhandahåll relevant källkod, det förväntade beteendet och ett observerat fel eller en begärd ändring. Be om den föreslagna artefakten och kontrollerna som skulle bedöma den. I ett anslutet agentflöde föreslår modellen verktygsinteraktioner och applikationen utför dem och returnerar resultat. Tillverkaren publicerar en särskild parser för verktygsanrop; den omgivande applikationen tillhandahåller de faktiska verktygen och deras åtkomst.

Interaktivt arbete kan kräva utforskning, anpassning och uppdateringar av uppgiftens arbetsminne. Behåll en kompakt redogörelse för målet, bekräftade iakttagelser och det olösta villkoret. Be modellen i nästa meddelande identifiera vad de nya beläggen förändrar och vad som ska finnas kvar i redogörelsen. Beständig lagring av redogörelsen och utförande av åtgärder hör till applikationen runt modellen.

Tillverkaren publicerar separata BF16- och FP8-artefakter och lokala serveringsrecept med olika konfigurerade kontextlängder. En konfigurerad serveringslängd är skild från modellspecifikationen på 512K. Bevara Preview-utgåvan och skillnaderna i numerisk precision när modellen identifieras och begär ett slutresultat som anger iakttagelsen, den föreslagna ändringen och de belägg som arbetsflödet faktiskt samlade in.