ARTICLE · 人工智能
陈大年复出，入局大模型
一语总结陈大年创办的 StartLux 推出 27B 参数本地模型，在信通院 Agent 测试中以微小差距落后 DeepSeek-V4-Pro，展示后训练+本地路线的新可能性。
StartLux（原点星辉）由盛大网络联合创始人陈大年复出创办，是全球首家专注本地模型商业化的公司。其首款模型 StartLux-V1.0-27B-Preview 基于 Qwen3.6-27B，采用自研的 Auto Research 后训练方法——让模型在真实工具环境中自主执行任务并根据反馈迭代策略——在信通院 MCP 专项测试中综合得分 39.25%，排名第二，仅落后 DeepSeek-V4-Pro 1.3 个百分点，超越 284B 的 DeepSeek-V4-Flash 和 198B 的 Step-3.7-Flash。实战对比显示，该模型在金融分析任务中能通过回查验证得出正确结果，浏览器自动化任务仅用 12 步完成，优于 Claude Sonnet 4.6 的 21 步。陈大年认为 Scaling Law 是「过路神仙」，未来属于能高效完成任务的本地模型。团队还计划年内推出面向企业和个人用户的本地智能解决方案。
- 27B 本地模型在 Agent 测试中接近万亿级云端旗舰
StartLux-V1.0-27B-Preview 在信通院 MCP 专项测试中综合排名第二（39.25%），仅落后参数量 1.6T 的 DeepSeek-V4-Pro 1.3 个百分点，超越 284B 的 DeepSeek-V4-Flash 和 198B 的 Step-3.7-Flash；位置导航、金融分析、浏览器自动化三项单项第一。这证明参数规模并非 Agent 能力的唯一决定因素。
- 后训练+Auto Research 是实现能力跃迁的关键
模型以 Qwen3.6-27B 为基座，通过强化任务理解、工具选择、多步执行、状态检查等能力的训练数据，再辅以团队自研的 Auto Research 方法——让模型在真实工具环境中自主执行任务、根据环境反馈持续调整策略——实现了从「回答问题」到「完成任务」的质变。
- 本地模型路线提供可控成本与个性化潜力
模型可直接运行在消费级 PC 上，将持续累积的云端 Token 费用转化为可控的设备算力和电力消耗；同时本地部署使模型更能理解用户长上下文，实现更个性化的目标。团队计划年内推出类似「安装 Office」的一键部署本地智能解决方案。
- 陈大年复出押注非共识路线，团队配置高度互补
CE0 陈大年是中国初代程序员、盛大网络联合创始人，懂产品与用户；CTO 郭权玮是阳明交大博士，长期研究本地部署大模型、Agentic AI 和隐私保护；联合创始入罗永祥负责市场投融资。三人在产品、技术和商业化上形成互补，支撑「少即是多」的技术哲学落地。
陈大年复出，入局大模型
StartLux（原点星辉）由盛大网络联合创始人陈大年复出创办，是全球首家专注本地模型商业化的公司。其首款模型 StartLux-V1.0-27B-Preview 基于 Qwen3.6-27B，采用自研的 Auto Research 后训练方法——让模型在真实工具环境中自主执行任务并根据反馈迭代策略——在信通院 MCP 专项测试中综合得分 39.25%，排名第二，仅落后 DeepSeek-V4-Pro 1.3 个百分点，超越 284B 的 DeepSeek-V4-Flash 和 198B 的 Step-3.7-Flash。实战对比显示，该模型在金融分析任务中能通过回查验证得出正确结果，浏览器自动化任务仅用 12 步完成，优于 Claude Sonnet 4.6 的 21 步。陈大年认为 Scaling Law 是「过路神仙」，未来属于能高效完成任务的本地模型。团队还计划年内推出面向企业和个人用户的本地智能解决方案。
文章金句
"本地模型会完全摧毁云端市场，3 年时间打平 Claude，占据 80%的市场。模型拼参数的玩法要 OUT 了
"Scaling Law 是"过路神仙"，没有它，AI 起不来。但它只是从 AI 的发展路径上路过，未来不一定属于它
"参数做减法，能力不打折
"国内首个采用 Auto Research 方式完成后训练的本地 Agent 模型