本地大模型StartLux-27B通过MCP专项测评：综合第二，多项专项第一

工信部中国信息通信研究院（中国信通院）人工智能研究所近日公布的一份检验报告显示，上海原点星辉科学技术有限公司（StartLux）研发的本地大模型StartLux-V1.0-27B-Preview，在可信AI大模型基准测试——MCP专项测试中，以27B参数量取得综合性能排名第二的成绩，高于第三名的DeepSeek-V4-Flash，能力范围已经进入DeepSeek-V4-Pro所代表的万亿参数模型能力区间。

MCP专项测试涵盖位置导航、网页搜索、浏览器自动化、金融分析、代码仓库管理、3D设计6类专项任务及综合评估，共7项检验项目，重点考察大模型在多工具协同、复杂任务执行及真实环境交互等方面的综合表现。该专项测试部分指标和数据参考了开源项目MCP-Universe。

参测模型包括DeepSeek-V4-Pro（1.6T）、DeepSeek-V4-Flash-0731（284B）、Step-3.7-Flash（198B）、StartLux-27B-260715（27B）、Qwen-3.6-27B（27B）和AgentCPM-Explore（4B）。结果显示，StartLux-V1.0-27B-Preview综合得分39.25，排名第二，超过284B的DeepSeek-V4-Flash-0731和198B的Step-3.7-Flash；同等参数规模下，较Qwen-3.6-27B高出5.34个百分点。

单项任务中该模型表现更为突出：位置导航排名第一，浏览器自动化、金融分析等任务与1.6T参数的DeepSeek-V4-Pro并列第一或独占第一。StartLux表示，团队以Qwen3.6-27B为基座做后训练定向增强，把27B的本地模型推到与1.6T旗舰同级的位置，依靠的是自主设计的一套全新、多维度、可验证、可规模化的模型优化升级技术。

模型训练过程中，团队采用“AI训练AI”（Auto Research）的方法自主开展训练实验，并通过反馈持续优化训练策略。据报道，StartLux-V1.0-27B-Preview是国内首个采用该方法进行后训练的本地Agent模型，而这一方法代表了当前全球模型研发的前沿方向。

这一结果正值本地模型加速进入行业视野：Google于4月推出Gemma 4系列，其中31B Dense版本在开源模型排行榜排名第三，量化后可在消费级显卡上本地运行；Meta于8月初开源30B本地模型Muse Glimmer；NVIDIA也在8月推出30B参数的MoE开源模型Nemotron 3.5 Lightning，可直接在RTX PC等本地设备上运行。

行业对这一方向的押注正在加大。盛大网络创始人、语生科学董事长陈大年近期预测，本地模型将在3年内占据80%的大模型市场；量子与AI软件公司Multiverse Computing联合创始人兼首席科学官Roman Orús也表示，行业正进入本地大语言模型成为云服务真正竞争对手的时期。

目前StartLux-V1.0-27B-Preview已可在消费级个人电脑上运行，StartLux计划于年内推出第一代本地智能解决方案，并正对扩散式语言模型等新架构进行深入研究。27B本地模型逼近万亿参数旗舰的能力，验证了后训练优化路线的潜力，也让MCP这类工具调用测评成为衡量Agent能力的新标尺。