HUMAIN-M3: китайские веса как основа суверенного арабского ИИ

Саудовская модель humain-m3 наглядно показывает, что под «суверенным ИИ» всё чаще понимают не попытку создать передовую фундаментальную модель полностью с нуля. HUMAIN, компания при поддержке саудовского Public Investment Fund (PIF, суверенный фонд страны), заказала арабоязычную систему на базе семейства M3 китайского разработчика MiniMax. Такой подход позволяет получить модель, специализированную под местный язык и задачи, которую можно оценивать, адаптировать и потенциально запускать на инфраструктуре под контролем Саудовской Аравии. 34

Что HUMAIN представила на LEAP 2026

HUMAIN анонсировала humain-m3 3 сентября 2026 года на конференции LEAP в Эр-Рияде. Модель стала доступна в режиме предварительного доступа для исследований и оценки через HUMAIN Node — платформу компании для доступа к моделям и инференсу. По сообщениям о запуске, после дополнительной работы над безопасностью и выравниванием поведения планируется выпуск весов по лицензии MiniMax Community License. 3414

В основе humain-m3 лежит архитектура Mixture-of-Experts (MoE) из линейки MiniMax M3: всего около 428 млрд параметров, но при обработке каждого токена активируется примерно 23 млрд. HUMAIN сообщает, что дополнительно предобучила модель на более чем 1 трлн токенов исходного арабоязычного контента. 347

Именно это делает проект примечательным. Речь не о модели, где английский интерфейс просто перевели на арабский, а о масштабной специализации мощной базовой системы под арабский язык.

Почему open-weight-база меняет подход к «суверенному ИИ»

У open-weight-моделей доступны обученные веса: их можно разворачивать локально, дообучать и использовать для инференса без постоянной зависимости от закрытого API внешнего поставщика. Brookings отмечает, что это даёт организациям больше контроля над развёртыванием и оценкой моделей. Однако доступ к весам сам по себе не делает систему полностью прозрачной: данные обучения, процессы разработки, встроенные смещения и другие риски могут оставаться непрозрачными.

Для государственных программ это создаёт промежуточный вариант между двумя крайностями — строить всё с нуля или полностью полагаться на зарубежный сервис:

• использовать проверенную фундаментальную модель, не неся все затраты и сроки предобучения с нуля;
• адаптировать её под национальный язык, отраслевую экспертизу, критерии оценки и требования безопасности;
• запускать инференс в контролируемой инфраструктуре там, где критичны работа с данными и непрерывность сервиса;
• сохранять возможность дальнейшей адаптации, а не зависеть только от поведения, цен или доступности одного внешнего API.

По оценке Center for a New American Security (CNAS), лишь небольшое число стран располагает вычислительными ресурсами, данными, специалистами и капиталом, необходимыми для самостоятельного создания конкурентоспособных передовых моделей. Поэтому многие государственные инициативы дообучают open-weight-модели на локальных данных — чтобы включить национальные языки, культурный контекст и профильные знания с меньшими затратами.

Главное здесь — арабская специализация, а не число параметров

Ключевое техническое решение в humain-m3 — ориентация на арабский язык с самого начала. По данным HUMAIN, модель получила дополнительное предобучение на массиве свыше триллиона токенов арабоязычных материалов. 34

Для полезных государственных и корпоративных сценариев недостаточно буквального перевода. Системе нужны рассуждения на арабском, понимание локальной терминологии, региональных языковых особенностей и оценка качества на том языке, на котором пользователи действительно пишут и говорят. Локально адаптированная модель даёт возможность улучшать эти свойства, сохраняя контроль программы над развёртыванием и последующей настройкой.

Как сообщается, базовая линейка M3 также умеет работать с текстом, изображениями и видео, пользоваться инструментами и выполнять операции на компьютере. Если эти возможности эффективно сохраняются после локализации, национальной программе не требуется заново воспроизводить каждый уровень разработки передовых моделей. 7

Высокие результаты на бенчмарках — но с важной оговоркой

HUMAIN сообщила о средневзвешенном результате 89,37% на семи публичных арабских бенчмарках. В опубликованном сравнении модель опередила указанную базовую MiniMax M3 с результатом 80,34%, а также системы GPT-5.6 SOL и Claude Opus 5, включённые HUMAIN в оценку; по утверждению компании, humain-m3 лидировала в пяти из семи тестов. 5

Однако эти цифры стоит трактовать осторожно. Результаты заявлены самой HUMAIN, тесты проводились на её инфраструктуре и, по данным публикаций о релизе, ещё не были независимо воспроизведены или отправлены в Open Arabic LLM Leaderboard. Это скорее свидетельство того, что стратегия локализации может работать, а не окончательный международный рейтинг моделей. 15

Суверенитет — это не только доступ к весам

Humain-m3 хорошо иллюстрирует преимущества повторно используемых чекпойнтов, но одновременно показывает пределы понятия «суверенный». Локальный доступ к модели может снизить зависимость от зарубежного API и поддержать внутренний хостинг, дообучение и инференс. Но веса модели — лишь один слой всей системы.

Для полноценной суверенной ИИ-возможности нужны также вычислительная инфраструктура, чипы, облачные сервисы и дата-центры, квалифицированные команды, процессы кибербезопасности, регулярные обновления и условия лицензии базовой модели. CNAS определяет проекты суверенного ИИ шире: это инициативы, поддержанные государством и связанные с национальными интересами, в которые вкладываются материальные ресурсы — в вычисления, модели или экосистемы данных. Одного локального бренда недостаточно.

Это важно и с точки зрения устойчивости. Локально разворачиваемые веса могут стать резервным вариантом, если облачный сервис изменит правила или окажется недоступен. Но они не отменяют зависимость от поставщиков аппаратного обеспечения, инфраструктурных партнёров и юридических условий использования исходной модели.

Растущий рынок переиспользуемых фундаментальных моделей

HUMAIN-M3 указывает и на международную возможность для китайских ИИ-лабораторий. Вместо конкуренции только через централизованные потребительские продукты и API они могут поставлять мощные базовые модели, которые зарубежные организации адаптируют под собственные языки, данные и инфраструктуру.

Этот пример укладывается в более широкий тренд. CNAS насчитал 184 проекта суверенного ИИ в 67 странах в данных, охватывающих новые инициативы до первого полугодия 2026 года. Наибольшую долю составляли инфраструктурные проекты — это подчёркивает, что национальные ИИ-стратегии всё чаще касаются не только самой модели, но и всей среды её эксплуатации.

Особую роль здесь играет распространение open-weight-моделей. В Hugging Face отмечают, что модели, которые можно развернуть на национальном оборудовании, снижают зависимость от облачной инфраструктуры под иностранным контролем и позволяют государственным учреждениям настраивать системы в рамках собственного правового режима.

Главный вывод

HUMAIN-M3 не доказывает, что одних открытых весов достаточно для ИИ-суверенитета. Но это заметная демонстрация более достижимой стратегии: получить или лицензировать сильную фундаментальную модель, серьёзно вложиться в локальные данные и оценку качества, развернуть систему под национальным операционным контролем и сохранить возможность развивать её дальше.

Для Саудовской Аравии ближайшая цель — ИИ с приоритетом арабского языка. Для китайских лабораторий, таких как MiniMax, вывод шире: адаптируемый чекпойнт может стать экспортируемым элементом ИИ-инфраструктуры. А для государств, которые не могут или не хотят строить передовые модели с нуля, проект показывает, почему скачиваемые и локально разворачиваемые модели становятся всё более важным стратегическим вариантом. 3