HUMAIN-M3 kertoo suvereenin tekoälyn uudesta pelikirjasta

Saudi-Arabian HUMAIN-M3 on havainnollinen esimerkki siitä, miten suvereenin tekoälyn strategia muuttuu. Sen sijaan, että maa yrittäisi rakentaa jokaisen huipputason tekoälykyvykkyyden alusta asti itse, HUMAIN käytti MiniMaxin M3-mallilinjaa pohjana, jatkokoulutti sitä arabiankielisellä aineistolla ja toi arabiankielisen mallin saataville omalla HUMAIN Node -alustallaan. 65

Ero on olennainen. Hallituksille tekoälysuvereniteetti tarkoittaa yhä useammin todellista määräysvaltaa siihen, miten mallia mukautetaan, missä sitä ajetaan, miten se suojataan ja miten sitä ylläpidetään – ei välttämättä sitä, että jokainen mallin osa on kehitetty kotimaassa.

Mitä HUMAIN-M3:sta julkaistiin?

Saudi-Arabian julkisen investointirahaston PIF:n tukema HUMAIN julkisti humain-m3:n 3. syyskuuta 2026. Yhtiön mukaan HUMAIN tilasi mallin ja MiniMax toimitti sen. Malli julkaistiin tutkimuskäyttöön tarkoitettuna esiversiona HUMAIN Node -palvelussa. Mallipainojen avointa julkaisua suunnitellaan, mutta esiversiossa painoja ei ollut ladattavissa. 63

Malli perustuu MiniMax-M3-linjaan. Kyseessä on asiantuntijaseosarkkitehtuuri (MoE), jossa on yhteensä 428 miljardia parametria ja noin 23 miljardia aktiivista parametria tokenia kohden. HUMAIN kertoo jatkokouluttaneensa mallia yli biljoonalla arabiankielisen sisällön tokenilla. 61

Kyse ei siis ole vain yleiskäyttöiseen järjestelmään lisätystä käännöskerrostumasta. Tavoitteena on säilyttää perusmallin laajat kyvykkyydet, mutta parantaa arabian ymmärtämistä ja tuottamista paikallisesti merkityksellisellä kieliaineistolla ja kulttuurisella kontekstilla. 211

Avoin mallipohja muuttaa suvereenin tekoälyn kustannusasetelmaa

Huipputason yleismallin kouluttaminen alusta asti vaatii valtavasti laskentaa, dataa, osaamista ja aikaa. Avoimet mallipainot muuttavat lähtökohtaa: kotimainen toimija voi kohdistaa investointinsa jatkokoulutukseen, arviointiin, käyttöönottoon ja hallintamalleihin omien tärkeimpien käyttötapaustensa mukaan.

MiniMax markkinoi M3:a avoimien mallipainojen mallina ohjelmointiin ja agenttikäyttöön. Sen API tukee jopa miljoonan tokenin kontekstia. 18 Tällaisesta pohjasta lähtevä kansallinen ohjelma voi painottaa niitä alueita, joissa yleismallit usein jäävät vajaiksi: arabian murteita, alueellista tietoa, viranomaisten työnkulkuja sekä paikallisesti suunniteltuja arviointeja.

Strateginen hyöty ei tarkoita täydellistä riippumattomuutta ulkopuolisesta teknologiasta. HUMAIN-M3 nojaa itse kiinalaiseen mallilinjaan. Se kuitenkin antaa paikalliselle toimijalle enemmän vaikutusvaltaa siinä tekoälypinon osassa, joka ratkaisee käytännön käytön: millä datalla mallia erikoistetaan, missä päättely ajetaan, miten mallia päivitetään ja millaisia käyttöönottoja sille sallitaan.

Testitulokset ovat lupaavia, mutta eivät vielä riippumaton todiste

HUMAIN raportoi seitsemän julkisen arabiankielisen vertailutestin tasapainotetuksi keskiarvoksi 89,37 %. Yhtiön mukaan malli sijoittui ensimmäiseksi viidessä testissä, ja keskiarvo oli 9,03 pistettä MiniMax M3 -vertailumallia korkeampi. 12

Tulokset viittaavat siihen, että arabiaan kohdistettu jatkokoulutus voi parantaa suorituskykyä valituissa testeissä. Niitä on silti tulkittava varovasti. Julkaistu koontitulos tuotettiin HUMAINin omassa arviointiprosessissa, eikä sitä ollut raportointihetkellä toimitettu julkiselle OALL-rankinglistalle. 3

Siksi luvut eivät vielä osoita riippumattomasti ylivoimaa todellisessa luotettavuudessa, turvallisuudessa, kustannuksissa tai kaikissa arabiankielisissä tehtävissä. Julkisesti toistettavat arvioinnit, käytännön käyttökokemus sekä alueellisia murteita ja korkean riskin käyttötapauksia mittaavat testit ovat lopulta yksittäistä vertailutaulukkoa tärkeämpiä.

Miksi ladattavat mallipainot ovat käytännössä tärkeitä?

Avoimet mallipainot ovat strategisesti arvokkaita, koska ne voivat vähentää riippuvuutta yhdestä etäpalvelua tarjoavasta mallitoimittajasta. CNAS:n mukaan maat pitävät avoimia mallipainoja yhä useammin käytännöllisenä keinona välttää toimittajalukko: mallit voidaan ladata, ajaa omassa ympäristössä, sovittaa paikallisiin tarpeisiin ja joissakin tilanteissa ottaa käyttöön edullisemmin. 38

Julkiselle sektorille tai kotimaiselle operaattorille tämä voi merkitä useita hallinnan muotoja:

• Datan käsittely: arkaluonteiset työkuormat voidaan suunnitella paikalliseen tai muuten hallittuun infrastruktuuriin ulkomaisen API:n sijaan.
• Kielen sovittaminen: tiimit voivat jatkaa koulutusta sekä mitata suorituskykyä paikallisissa arabian kielimuodoissa ja hallinnon sanastossa.
• Tekniset valinnat: operaattori voi valita oman päättelypinonsa, laitteistokokoonpanonsa ja käyttöönottotapansa.
• Jatkuvuus: käyttökelpoinen mallikopio on kestävämpi lähtökohta kuin yksin ulkoiseen API:in nojaaminen, sillä palvelun ehdot, hinta, saatavuus tai käyttöoikeus voivat muuttua.

Nämä ovat toiminnallisia etuja, eivät automaattisia takeita. Avoimet painot edellyttävät edelleen laskentakapasiteettia, kyberturvallisuutta, mallien arviointiosaamista, lisenssien tarkistamista ja pitkäjänteistä ylläpitosuunnitelmaa.

Suvereenin tekoälyn markkina kasvaa nopeasti

HUMAIN-M3 on osa laajempaa maailmanlaajuista kehitystä. CNAS laski vuoden 2026 puolivälissä 184 julkisesti tuettua suvereenin tekoälyn hanketta 67 maassa; vuoden ensimmäisellä puoliskolla hankkeita tuli seurannan piiriin 41 lisää. Myöhemmin päivitetty jatkuva indeksi listasi 185 hanketta. 3433

CNAS määrittelee suvereenin tekoälyn hankkeet laajasti: kyse on julkisesti tuetuista aloitteista, jotka liittyvät kansallisiin strategisiin etuihin ja joita tukee merkittävä julkinen investointi kotimaiseen laskentaan, malleihin tai dataekosysteemeihin. 33 Määritelmä on tärkeä, sillä siinä mallit asetetaan samalle tasolle infrastruktuurin ja datan kanssa. Mallin omistaminen tai sovittaminen on vain yksi kerros suvereenin tekoälyn kokonaisuudessa.

Kiinalaisista kehittäjistä on tullut tässä markkinassa merkittäviä toimittajia osittain siksi, että kyvykkäitä malleja tarjotaan API:en lisäksi avoimilla mallipainoilla. CNAS raportoi vähintään seitsemän kiinalaisen kehittäjän tarjoavan avoimia malleja, joilla on vahvoja ohjelmointi-, päättely-, multimodaalisia ja agenttikyvykkyyksiä. 36

MiniMax M3:n saatavuus ei myöskään rajoitu MiniMaxin omaan palveluun. Artificial Analysis listasi mallille useita API-toimittajia, kuten Nebiusin ja SambaNovan. Tämä havainnollistaa, miten avointa mallia voidaan palvella vaihtoehtoisten infrastruktuuritoimittajien kautta. 22

HUMAIN-M3:n tärkein viesti

Keskeisin johtopäätös ei ole, että yksi vertailutesti ratkaisisi lopullisesti mallien paremmuuden. Kilpailuyksikkö on muuttumassa.

Valtioista tulee uudelleenkäytettävien tekoälyresurssien asiakkaita: ne etsivät mallikopioita, joita voidaan mukauttaa paikallisiin kielitarpeisiin, ajaa valitulla infrastruktuurilla, arvioida kotimaisten vaatimusten mukaan ja ylläpitää ajan mittaan. Vahva perusmalli on edelleen välttämätön, mutta avoimien painojen saatavuus, laitteistokohtaisen sovittamisen tuki, luotettavat päättelyvaihtoehdot, datan hallinta ja uskottava päivityspolku voivat olla yhtä ratkaisevia.

HUMAIN-M3 viittaa siten laajempaan asetelmaan kuin pelkkään yhdysvaltalaisten ja kiinalaisten mallilaboratorioiden kilpailuun. Kilpailua käydään myös siitä, kuka pystyy tarjoamaan maille niiden tekoälytulevaisuutta varten joustavimman, hallittavimman ja käytännössä kestävimmän tekoälypinon.