HUMAIN-M3 показує нову модель розвитку суверенного ШІ

Саудівська модель humain-m3 добре пояснює, що нині означає «суверенний ШІ» на практиці. Замість того щоб з нуля навчати передову базову модель або цілком залежати від API іноземного постачальника, підтримана Public Investment Fund (PIF) компанія HUMAIN замовила арабомовну модель на основі сімейства M3 китайського розробника MiniMax. У результаті з’явилася система, яку можна оцінювати, адаптувати й потенційно запускати на інфраструктурі під контролем Саудівської Аравії. 34

Що HUMAIN представила на LEAP 2026

HUMAIN презентувала humain-m3 3 вересня 2026 року на конференції LEAP в Ер-Ріяді. Модель стала доступною в режимі попереднього доступу для досліджень та оцінювання через HUMAIN Node — платформу HUMAIN для доступу до моделей і обчислень висновку. Після додаткових робіт із безпеки та узгодженням поведінки компанія планує випустити ваги моделі за ліцензією MiniMax Community License. 3414

Модель використовує архітектуру mixture-of-experts (MoE, «суміш експертів») із сімейства MiniMax M3: загалом вона має приблизно 428 млрд параметрів, але для кожного токена активує близько 23 млрд. HUMAIN також заявляє про додаткове попереднє навчання на понад 1 трлн токенів матеріалів, створених арабською мовою. 347

Отже, йдеться не просто про універсальну модель, перекладену арабською. HUMAIN застосувала масштабну мовну спеціалізацію до вже потужної базової системи.

Чому відкриті ваги змінюють підхід до суверенного ШІ

Моделі з відкритими вагами дають доступ до навчених параметрів. Їх можна розгортати локально, донавчати та використовувати без постійної залежності від закритого API. Brookings зазначає, що це забезпечує установам більше контролю над розгортанням і тестуванням. Водночас сам доступ до ваг ще не робить модель повністю прозорою: дані навчання, процес розробки, упередження та інші ризики можуть залишатися непрозорими.

Для державної програми це створює проміжний, але реалістичний варіант:

• використати готову сильну базову модель, а не нести весь фінансовий і часовий тягар навчання з нуля;
• адаптувати систему до місцевої мови, галузевих знань, стандартів оцінювання та вимог безпеки;
• виконувати інференс на контрольованій інфраструктурі там, де критичні обробка даних і безперервність роботи;
• зберегти можливість модифікувати модель, а не залежати від поведінки, цін чи доступності єдиного зовнішнього API.

За оцінкою Center for a New American Security (CNAS), лише невелика кількість країн має обчислювальні ресурси, дані, фахівців і капітал, необхідні для створення конкурентних передових моделей із нуля. Тому багато державних ініціатив обирають донавчання моделей з відкритими вагами на локальних даних — це дешевше й дає змогу врахувати національні мови, культурний контекст і спеціалізовані знання.

Головне тут — арабська спеціалізація, а не лише масштаб

Найважливіше технічне рішення в humain-m3 — орієнтація насамперед на арабську мову. За даними HUMAIN, модель пройшла додаткове попереднє навчання на більш ніж трильйоні токенів арабомовного контенту. 34

Для практичного використання на державному рівні недостатньо буквального перекладу. Державним установам і бізнесу потрібні міркування арабською, коректна місцева термінологія, врахування регіональних мовних особливостей та оцінювання тією мовою, якою користувачі справді говорять і пишуть. Локально адаптована модель відкриває шлях до поліпшення цих властивостей і водночас залишає розгортання та подальше донавчання під контролем програми.

Повідомляється, що базова лінійка M3 також підтримує розуміння тексту, зображень і відео, використання інструментів та керування комп’ютерними операціями. Якщо ці можливості ефективно зберігаються після локалізації, національна ШІ-програма може спиратися на готовий технологічний фундамент, а не відтворювати кожен шар розробки передової моделі самостійно. 7

Високі бенчмарки — але з важливим застереженням

HUMAIN повідомила про середній рівнозважений результат 89,37% у семи публічних арабських бенчмарках. У її порівнянні модель випередила вказаний еталонний результат MiniMax M3 — 80,34%, а також системи GPT-5.6 SOL і Claude Opus 5, включені до оцінювання; за твердженням HUMAIN, humain-m3 була першою у п’яти із семи тестів. 5

Ці результати слід тлумачити обережно. Вони заявлені самою компанією HUMAIN, проведені на її інфраструктурі та, за повідомленнями про запуск, не були незалежно відтворені або подані до Open Arabic LLM Leaderboard. Це радше ознака того, що стратегія локалізації може працювати, а не остаточний загальний рейтинг моделей. 15

Суверенітет — це не тільки ваги моделі

Humain-m3 демонструє цінність готових контрольних точок моделі, але водночас показує межі поняття «суверенний». Локальний доступ до моделі може зменшити залежність від іноземного API, підтримати внутрішній хостинг, донавчання та інференс. Проте ваги моделі — лише один шар технологічного стеку.

Повноцінна суверенна ШІ-спроможність залежить також від обчислювальної інфраструктури, чипів, хмарних платформ і дата-центрів, кваліфікованих команд, кібербезпеки, регулярних оновлень та умов ліцензії базової моделі. CNAS визначає проєкти суверенного ШІ ширше: це підтримані державою ініціативи, пов’язані з національними інтересами та підкріплені матеріальними інвестиціями в обчислення, моделі чи екосистеми даних, а не просто моделі з національною назвою.

Для стійкості це критична різниця. Ваги, які можна розгорнути локально, дають резервний варіант, якщо хмарний сервіс змінить правила або стане недоступним. Але вони не скасовують залежності від постачальників обладнання, інфраструктурних партнерів чи юридичних умов використання базової моделі.

Ринок для повторно використовуваних базових моделей зростає

HUMAIN-M3 також вказує на міжнародну можливість для китайських лабораторій ШІ. Вони можуть конкурувати не тільки через централізовані споживчі продукти або API, а й постачаючи потужні базові моделі, які закордонні організації адаптують до власних мов, даних та інфраструктури.

Це вписується у ширшу тенденцію. CNAS нарахував 184 підтримані державою проєкти суверенного ШІ у 67 країнах у даних, що охоплюють нові проєкти до першої половини 2026 року. Найбільшу частку становили ініціативи, зосереджені на інфраструктурі. Це підкреслює: національні ШІ-стратегії дедалі більше стосуються всього середовища експлуатації, а не лише самої моделі.

У такому середовищі особливо важливе поширення моделей із відкритими вагами. Hugging Face зазначає, що моделі, які можна запускати на національному обладнанні, здатні зменшити залежність від хмарної інфраструктури під іноземним контролем і дозволяють державним установам налаштовувати системи в межах власного правового поля.

Стратегічний висновок

HUMAIN-M3 не доводить, що самі лише відкриті ваги забезпечують ШІ-суверенітет. Проте це помітний приклад досяжнішої стратегії: отримати або ліцензувати потужну базову модель, серйозно інвестувати в локальні дані та оцінювання, розгорнути систему під внутрішнім операційним контролем і зберегти можливість її адаптації з часом.

Для Саудівської Аравії безпосередня мета — ШІ з пріоритетом арабської мови. Для китайських лабораторій, зокрема MiniMax, ширший висновок полягає в тому, що адаптована контрольна точка моделі може стати експортованим елементом ШІ-інфраструктури. А для держав, які не можуть або не хочуть будувати передові моделі з нуля, цей проєкт пояснює, чому завантажувані й локально розгортані моделі стають дедалі важливішим стратегічним вибором. 3