陈大年复出押注本地大模型：StartLux首款27B模型逼近DeepSeek万亿旗舰

国产大模型第一梯队最近爆了个冷门：一家新公司的首款模型只有27B参数，却在中国信通院MCP专项测试中拿下综合第二。排在它前面的，是参数量高达1.6万亿的DeepSeek-V4-Pro，两者差距只有1.3个百分点。这匹黑马就是StartLux（原点星辉）推出的StartLux-V1.0-27B-Preview，而它的创始人兼CEO，是退隐近十年的陈大年。

据量子位报道，陈大年是盛大网络联合创始人、连尚网络掌门人，也是国民级产品“WiFi万能钥匙”的孵化者，被视作中国互联网第一代程序员中的代表人物。这次复出，他把赌注押在了本地模型上：StartLux没有随行业大流堆参数，而是专注小而美的本地模型商业化，号称全球第一家真正意义上的本地模型公司，StartLux-V1.0-27B-Preview不依赖云端，可直接运行在消费级PC上。

这次对标的成绩出自中国信通院可信AI大模型基准测试的MCP专项，围绕位置导航、网页搜索、浏览器自动化、金融分析、代码仓库管理和3D设计六类真实任务场景展开。结果显示，StartLux-V1.0-27B-Preview综合得分39.25%，排名第二，超过284B参数的DeepSeek-V4-Flash-0731和198B的Step-3.7-Flash；同为27B规模，它也比Qwen 3.6高出5.34个百分点，并在位置导航、金融分析和浏览器自动化三个单项上位列第一。

据官方介绍，StartLux-V1.0-27B-Preview并非从零训练，而是以Qwen3.6-27B为基座，靠任务数据和自动化后训练方法拉开差距：训练数据重点强化任务理解、工具选择、参数构造、多步执行、状态检查和结果验证，让模型学会什么时候调用哪个工具、工具异常后如何调整、什么情况下才能宣布任务完成。其后训练采用自研的多维度、可验证、可规模化的模型迭代优化技术，以“AI训练AI”的Auto Research方式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，也被称为国内首个以Auto Research方式完成后训练的本地Agent模型。

文章还披露了两场与Claude Sonnet 4.6的同题实战：一道跨越两年的微软股票投资计算题中，Claude把2025年1月8日误判为非交易日，给出47254美元、89.02%的结果，而StartLux回查数据、验证目标日期附近行情后给出47499.09美元、90.00%的可复核答案；在浏览器查询新加坡飞北京最便宜直飞航班的任务中，StartLux约95秒、12步找到299美元的国航机票，Claude用时200多秒、21步，给出的最低报价是556美元。这足以说明，在Agent任务上，参数规模已然不是唯一的决定性变量。

团队配置上，StartLux由“企业家+科学家”组合掌舵：联合创始人兼CTO郭权玮拥有国立阳明交通大学计算机科学与工程博士学位，曾任AI科学公司幻量科技首席算法科学家，是2024年TAAI最佳论文奖获得者；另一位联合创始人罗永祥是前摩根士丹利亚洲董事总经理，负责市场和投融资，与懂产品和用户的陈大年形成分工。

按照StartLux的构想，本地智能解决方案应该像安装Office一样一键完成部署，用户无需理解量化、显存配置和推理框架。目前团队计划面向企业和个人用户，在年内推出第一代本地智能解决方案，并稳步推进自有基模训练，探索扩散式语言模型等新架构。

在DeepSeek、Kimi等云端模型公司相继涌现之后，StartLux代表国产本地模型开始补位，也给“参数做减法”的路线提供了新样本。值得注意的是，Meta、Google、NVIDIA近期也在加码本地小模型方向，但大多停留在实验阶段，以本地模型产品化为主的玩家目前屈指可数。后续看点在于：年内落地的第一代本地智能解决方案能否兑现一键部署的承诺，以及27B小模型在真实商用场景中能否延续榜单上的表现。