HUMAIN-M3 havainnollistaa suvereenin tekoälyn uutta mallia

Saudi-Arabian humain-m3 konkretisoi, mitä ”suvereeni tekoäly” käytännössä voi tarkoittaa. Sen sijaan, että maa kouluttaisi huipputason perusmallin kokonaan alusta tai nojaisi vain ulkomaiseen rajapintaan, Saudi-Arabian valtion sijoitusrahasto PIF:n tukema HUMAIN tilasi arabiankielisen mallin kiinalaisen MiniMaxin M3-malliperheen pohjalta. Tavoitteena on paikallisesti erikoistettu järjestelmä, jota voidaan arvioida, muokata ja mahdollisesti ajaa Saudi-Arabian hallitsemassa infrastruktuurissa. 34

Mitä HUMAIN julkaisi LEAP 2026:ssa?

HUMAIN esitteli humain-m3:n Riadissa järjestetyssä LEAP 2026 -tapahtumassa 3. syyskuuta 2026. Malli tuli tutkimus- ja arviointikäyttöön HUMAIN Node -alustalle, joka tarjoaa pääsyn malleihin ja inferenssiin eli mallin suorittamiseen. Julkaisua käsittelevien tietojen mukaan mallipainot on tarkoitus avata myöhemmin, kun turvallisuus- ja kohdistustyötä on tehty lisää. Lisenssiksi on suunniteltu MiniMax Community License. 3414

Malli noudattaa MiniMax M3:n mixture-of-experts- eli MoE-arkkitehtuuria. Siinä on noin 428 miljardia parametria, mutta jokaista tokenia kohden aktivoituu noin 23 miljardia parametria. HUMAINin mukaan mallia jatkoesikoulutettiin yli biljoonalla arabiankielisestä aineistosta peräisin olevalla tokenilla. 347

Hankkeen olennainen piirre on juuri tämä yhdistelmä: kyse ei ole yleismallista, johon arabia on vain käännetty, vaan kyvykkään perusmallin laajamittaisesta arabian kieleen kohdistetusta erikoistamisesta.

Miksi avoimet mallipainot muuttavat asetelmaa?

Avoimet mallipainot tarkoittavat, että koulutetut parametrit ovat saatavilla mallin paikalliseen käyttöönottoon, hienosäätöön ja inferenssiin ilman riippuvuutta suljetusta, palveluntarjoajan ylläpitämästä API-rajapinnasta. Brookingsin mukaan tämä voi lisätä organisaatioiden valtaa päättää mallin käyttöönotosta ja arvioinnista. Samalla se muistuttaa, etteivät pelkät painot tee mallista täysin auditoitavaa: koulutusdata, kehitysprosessit, vinoumat ja muut riskit voivat yhä jäädä epäselviksi.

Valtion tukemalle ohjelmalle tämä tarjoaa käytännöllisen väylän kahden ääripään väliltä:

• voidaan hyödyntää valmista, kyvykästä perusmallia sen sijaan, että rahoitettaisiin koko huipputason esikoulutus alusta asti;
• mallia voidaan sovittaa paikalliseen kieleen, toimialatietoon, arviointikäytäntöihin ja turvallisuusvaatimuksiin;
• arkaluonteisia tai toiminnan jatkuvuuden kannalta tärkeitä työkuormia voidaan ajaa hallitussa infrastruktuurissa;
• jatkokehitykselle jää vaihtoehto, joka ei ole sidottu yhden ulkoisen API-palvelun saatavuuteen, hinnoitteluun tai toimintatapaan.

Center for a New American Securityn (CNAS) mukaan vain harvalla maalla on kilpailukykyisen huipputason perusmallin rakentamiseen vaadittavat laskentaresurssit, data, osaajat ja pääoma. Siksi monet valtiolliset hankkeet hienosäätävät avoimilla painoilla saatavia malleja paikallisella datalla. Näin niihin voidaan tuoda kansallisia kieliä, kulttuurista kontekstia ja toimialakohtaista osaamista pienemmillä kustannuksilla.

Arabiaan erikoistaminen on tärkeämpää kuin pelkkä parametrimäärä

Humain-m3:n keskeisin tekninen ratkaisu on arabia ensin -painotus. HUMAINin mukaan mallia jatkoesikoulutettiin yli biljoonalla arabiankielisestä sisällöstä peräisin olevalla tokenilla. 34

Tämä on merkityksellistä, koska kansallisesti hyödyllinen tekoäly tarvitsee muutakin kuin sanatarkan käännöksen. Julkishallinnon ja yritysten käyttötapaukset voivat vaatia arabiankielistä päättelyä, paikallista terminologiaa, alueellisia kielenkäytön tapoja sekä arviointia sillä kielellä, jolla käyttäjät todella työskentelevät. Paikallisesti sovitettu malli tarjoaa mahdollisuuden kehittää näitä ominaisuuksia ja pitää käyttöönotto sekä myöhempi hienosäätö ohjelman omassa ohjauksessa.

M3-malliperheen kerrotaan tukevan tekstin lisäksi kuvien ja videoiden ymmärtämistä sekä työkalujen käyttöä ja tietokoneen käyttöön liittyviä toimintoja. Jos nämä kyvyt säilyvät tehokkaasti myös lokalisoidussa versiossa, kansallinen malliohjelma voi rakentaa niiden varaan ilman, että sen täytyy luoda jokainen huipputason mallikehityksen kerros itse. 7

Vertailutulokset ovat lupaavia, mutta niitä pitää lukea varauksella

HUMAIN ilmoitti humain-m3:n saavuttaneen seitsemässä julkisessa arabiankielisessä vertailussa tasapainotetun keskiarvon 89,37 %. Yhtiön omassa vertailussa tulos ylitti MiniMax M3:n viitepisteen 80,34 % sekä mukana olleet GPT-5.6 SOL- ja Claude Opus 5 -järjestelmät. HUMAINin mukaan humain-m3 johti viittä seitsemästä testistä. 5

Tuloksia ei kuitenkaan pidä tulkita lopulliseksi mallien paremmuusjärjestykseksi. Ne ovat HUMAINin itse raportoimia, yhtiön omassa ympäristössä ajamia tuloksia. Julkaisua koskevan raportoinnin mukaan niitä ei ole riippumattomasti toistettu eikä toimitettu Open Arabic LLM Leaderboardiin. Ne viittaavat siihen, että lokalisaatiostrategia voi toimia, mutta eivät vielä ratkaise mallien välistä vertailua. 15

Suvereniteetti ei synny vain mallipainoista

Humain-m3 osoittaa uudelleenkäytettävien mallipainojen vetovoiman, mutta samalla se selventää suvereniteetin rajoja. Paikallinen pääsy malliin voi vähentää riippuvuutta ulkomaisesta API-palvelusta ja tukea kotimaista isännöintiä, hienosäätöä ja inferenssiä. Mallipainot ovat silti vain yksi osa kokonaisuutta.

Toimiva suvereeni tekoälykyvykkyys vaatii myös laskentainfrastruktuuria, siruja, pilvi- ja datakeskusoperaatioita, osaavia tiimejä, tietoturvaprosesseja, jatkuvia mallipäivityksiä sekä käyttöä säätelevän lisenssin. CNAS määrittelee suvereenin tekoälyn laajasti valtion tukemiksi, kansallisiin etuihin sidotuiksi hankkeiksi, joihin sijoitetaan konkreettisesti laskentaan, malleihin tai dataekosysteemeihin – ei vain kotimaisella nimellä varustetuiksi malleiksi.

Paikallisesti käytettävät painot voivat tarjota varavaihtoehdon, jos isännöidyn palvelun ehdot muuttuvat tai palvelu ei ole saatavilla. Ne eivät silti poista riippuvuutta laitteistotoimittajista, infrastruktuurikumppaneista tai perusmallin lisenssiehdoista.

Uudelleenkäytettävistä perusmalleista syntyy kansainvälinen markkina

HUMAIN-M3 kertoo myös kiinalaisten tekoälylaboratorioiden mahdollisuudesta. Sen sijaan, että ne kilpailisivat vain keskitetysti isännöidyillä kuluttajapalveluilla tai API-rajapinnoilla, ne voivat tarjota kyvykkäitä perusmalleja, joita ulkomaiset organisaatiot sovittavat omiin kieliinsä, aineistoihinsa ja infrastruktuuriinsa.

Tämä sopii laajempaan kehitykseen. CNAS laski vuoden 2026 ensimmäisen puoliskon uusiin hankkeisiin asti ulottuvassa aineistossaan 184 valtion tukemaa suvereenin tekoälyn projektia 67 maassa. Infrastruktuurikeskeiset hankkeet muodostivat suurimman osuuden, mikä korostaa sitä, että kansalliset tekoälystrategiat kohdistuvat yhä enemmän koko käyttöympäristöön eivätkä vain itse malliin.

Avoin painojakelu on tässä ympäristössä erityisen merkityksellistä. Hugging Facen mukaan omalla kansallisella laitteistolla ajettavat mallit voivat vähentää riippuvuutta ulkomaisessa hallinnassa olevasta pilvi-infrastruktuurista ja antaa julkisille organisaatioille mahdollisuuden hienosäätää järjestelmiä oman oikeudellisen kehyksensä puitteissa.

Johtopäätös

HUMAIN-M3 ei todista, että avoimet mallipainot yksin tuottaisivat tekoälysuvereniteetin. Se on kuitenkin näkyvä esimerkki saavutettavammasta strategiasta: hankitaan tai lisensoidaan kyvykäs perusmalli, panostetaan paikalliseen dataan ja arviointiin, ajetaan mallia kotimaisessa operatiivisessa hallinnassa ja säilytetään mahdollisuus muokata järjestelmää ajan mittaan.

Saudi-Arabialle välitön tavoite on arabia ensin -tekoälykyvykkyys. MiniMaxin kaltaisille kiinalaisille laboratorioille tapaus merkitsee sitä, että muokattavasta mallipisteestä voi tulla vietävä tekoälyinfrastruktuurin osa. Maille, jotka eivät voi – tai halua – rakentaa huipputason perusmallia alusta lähtien, hanke puolestaan osoittaa, miksi ladattavista ja paikallisesti käyttöönotettavista malleista on tulossa yhä tärkeämpi strateginen vaihtoehto. 3