HUMAIN-M3 viser hvordan åpne kinesiske KI-modeller kan bli nasjonal infrastruktur

Saudi-Arabias humain-m3 er et konkret eksempel på hva «suveren KI» i økende grad betyr i praksis. I stedet for å trene en avansert grunnmodell helt fra bunnen av – eller kun bruke et utenlandsk API – har det PIF-støttede selskapet HUMAIN bestilt en arabisk-først-modell basert på M3-familien fra den kinesiske utvikleren MiniMax. Resultatet er et system som kan vurderes, tilpasses og potensielt driftes på infrastruktur under saudiarabisk kontroll. 34

Lanseringen på LEAP 2026

HUMAIN presenterte humain-m3 på LEAP i Riyadh 3. september 2026. Modellen ble gjort tilgjengelig i forsknings- og evalueringspreview via HUMAIN Node, selskapets plattform for tilgang til modeller og inferens. Ifølge omtalen av lanseringen er en utgivelse av åpne modellvekter planlagt etter ytterligere arbeid med sikkerhet og tilpasning, under MiniMax Community License. 3414

Modellen følger MiniMax M3s mixture-of-experts-arkitektur (MoE): Den har om lag 428 milliarder parametere totalt, men aktiverer omtrent 23 milliarder parametere per token. HUMAIN opplyser at modellen i tillegg er forhåndstrent videre på mer enn én billion token med arabisk originalinnhold. 347

Det er nettopp denne kombinasjonen som gjør prosjektet interessant. HUMAIN lanserer ikke bare en generell modell oversatt til arabisk, men forsøker å gi en kapabel basismodell storskala spesialisering for arabisk.

Hvorfor åpne modellvekter endrer regnestykket

Åpne modellvekter betyr at de trente parameterne er tilgjengelige for lokal utrulling, finjustering og inferens uten at man må være avhengig av en proprietær API-tjeneste. Brookings peker på at dette kan gi institusjoner større kontroll over drift og evaluering. Samtidig understrekes en viktig begrensning: Tilgang til vektene gjør ikke nødvendigvis modellen fullt etterprøvbar, fordi treningsdata, utviklingsprosesser, skjevheter og andre risikoer fortsatt kan være lite transparente.

For et offentlig støttet program gir dette en praktisk mellomvei:

• Man kan ta utgangspunkt i en etablert grunnmodell i stedet for å bære hele kostnaden og tidsbruken ved trening på toppnivå fra grunnen av.
• Man kan spesialisere modellen for lokale behov, som språk, fagområder, evalueringskrav og sikkerhetsregler.
• Man kan kjøre inferens på kontrollert infrastruktur der håndtering av data og driftskontinuitet er viktig.
• Man beholder en mulighet til videre tilpasning, i stedet for å være bundet til oppførselen, prisene eller tilgjengeligheten hos én ekstern API-leverandør.

Center for a New American Security (CNAS) skriver tilsvarende at bare et lite antall land har regnekraften, dataene, talentet og kapitalen som trengs for å bygge konkurransedyktige grunnmodeller helt fra bunnen. Mange statlig støttede initiativer velger derfor å finjustere modeller med åpne vekter på lokale data for å innarbeide nasjonale språk, kulturell kontekst og fagkunnskap til lavere kostnad.

Arabisk spesialisering er viktigere enn parameterantallet

Det mest sentrale tekniske valget i humain-m3 er den arabisk-første treningen. HUMAIN opplyser at modellen fikk videre forhåndstrening på over én billion token med arabisk originalmateriale. 34

Det betyr noe fordi nyttige nasjonale utrullinger krever mer enn ordrett oversettelse. Oppgaver i offentlig sektor og næringsliv kan kreve resonnering på arabisk, lokal terminologi, regionale språkvarianter og evaluering på språket brukerne faktisk snakker og skriver. En lokalt tilpasset modell åpner for å optimalisere dette, samtidig som videre tilpasning og drift kan holdes under programmets kontroll.

Den underliggende M3-familien skal også støtte forståelse av tekst, bilder og video, i tillegg til verktøybruk og funksjoner for å styre datamaskiner. Dersom disse egenskapene overføres godt gjennom lokaliseringen, kan et nasjonalt modellprogram bygge videre på dem i stedet for å gjenskape hvert lag av utviklingen av en avansert modell. 7

Lovende testresultater – men med et viktig forbehold

HUMAIN rapporterte et likt vektet gjennomsnitt på 89,37 % på tvers av sju offentlige arabiske referansetester. I selskapets sammenligning kom modellen foran MiniMax M3-referansens 80,34 %, og foran GPT-5.6 SOL og Claude Opus 5-systemene som HUMAIN tok med i evalueringen. HUMAIN opplyste at humain-m3 ledet fem av de sju testene. 5

Tallene bør likevel tolkes varsomt. Resultatene er rapportert av leverandøren selv, testene ble kjørt av HUMAIN, og resultatene er ikke uavhengig reprodusert eller sendt inn til Open Arabic LLM Leaderboard, ifølge omtale av lanseringen. De er derfor tegn på at lokaliseringsstrategien kan fungere, ikke en endelig rangering på tvers av modeller. 15

Suverenitet handler om mer enn modellvekter

Humain-m3 viser hvorfor gjenbrukbare modellkontrollpunkter er attraktive, men også hvor begrenset ordet «suveren» kan være. Lokal tilgang til en modell kan redusere avhengigheten av et utenlandsk API og gjøre det enklere å støtte nasjonal hosting, finjustering og inferens. Men modellvekter er bare ett lag i teknologistakken.

En reell, suveren KI-kapasitet krever også regneinfrastruktur, brikker, sky- og datasenterdrift, kompetente fagmiljøer, sikkerhetsprosesser, løpende modelloppdateringer og klare lisensvilkår for basismodellen. CNAS definerer suveren KI bredt: som offentlig støttede initiativer knyttet til nasjonale strategiske interesser og underbygget av materielle investeringer i regnekraft, modeller eller dataøkosystemer – ikke bare som modeller med et nasjonalt navn.

Skillet er relevant for robusthet. Lokalt utrullbare vekter kan fungere som en reserve dersom en skytjeneste endrer vilkår eller blir utilgjengelig, men de fjerner ikke avhengigheter til maskinvareleverandører, infrastruktursamarbeidspartnere eller lisensvilkårene som regulerer bruk av basismodellen.

Et voksende marked for gjenbrukbare grunnmodeller

HUMAIN-M3 peker også på en internasjonal mulighet for kinesiske KI-laboratorier. I stedet for å konkurrere utelukkende med sentraldriftede forbrukerprodukter eller API-er, kan de levere kapable basismodeller som organisasjoner i andre land tilpasser til egne språk, data og infrastrukturer.

Dette passer inn i et bredere mønster. CNAS registrerte 184 offentlig støttede prosjekter for suveren KI i 67 land i data som omfatter nye prosjekter fram til første halvår 2026. Organisasjonen fant at infrastrukturprosjekter utgjorde den største andelen, noe som viser at nasjonale KI-strategier stadig oftere handler om hele driftsmiljøet – ikke bare selve modellen.

Distribusjon av åpne modellvekter er særlig relevant i denne sammenhengen. Hugging Face har argumentert for at modeller som kan kjøres på nasjonal maskinvare, kan redusere avhengigheten av skyinfrastruktur kontrollert fra utlandet og la offentlige institusjoner tilpasse systemer innenfor nasjonale juridiske rammer.

Det strategiske poenget

HUMAIN-M3 beviser ikke at åpne modellvekter alene skaper KI-suverenitet. Men prosjektet er en synlig demonstrasjon av en mer oppnåelig strategi: Skaff eller lisensier en kapabel grunnmodell, invester tungt i lokale data og evaluering, drift modellen under nasjonal operativ kontroll og behold muligheten til å tilpasse den over tid.

For Saudi-Arabia er det umiddelbare målet arabisk-først KI-kapasitet. For kinesiske laboratorier som MiniMax er den bredere implikasjonen at et tilpasningsdyktig modellkontrollpunkt kan bli en eksporterbar del av KI-infrastrukturen. Og for myndigheter som ikke kan – eller ikke ønsker å – bygge avanserte grunnmodeller fra bunnen av, viser prosjektet hvorfor nedlastbare og lokalt utrullbare modeller blir et stadig viktigere strategisk alternativ. 3