HUMAIN-M3 展示：中國開放權重 AI 如何推動主權模型

沙特阿拉伯的 humain-m3，提供咗一個相當具體的「主權 AI」案例。沙特公共投資基金（PIF）支持的 HUMAIN，唔係由零開始訓練一個前沿基礎模型，亦唔係單純依賴海外公司的 API；而係委託中國 AI 開發商 MiniMax，以其 M3 模型系譜為底，打造一個阿拉伯語優先的模型。

呢條路線的重點係：本地機構可以針對語言、評測、安全要求同部署環境作調整，並有機會將模型運行於自己掌控的基建之上。 34

LEAP 2026 發表咗乜？

HUMAIN 於 2026 年 9 月 3 日、利雅德 LEAP 大會上發表 humain-m3。模型目前經 HUMAIN Node 提供研究及評估預覽；HUMAIN Node 是讓開發者、研究人員及企業存取模型和推理服務的平台。報道指，HUMAIN 計劃在完成額外安全及對齊工作後，按 MiniMax Community License 推出開放權重版本。 3414

humain-m3 採用 MiniMax M3 的混合專家模型（Mixture-of-Experts，MoE）設計：總參數約 4,280 億，但每處理一枚 token 約只啟用 230 億參數。HUMAIN 表示，團隊再以超過 一萬億枚原生阿拉伯語內容 tokens 為模型作進一步預訓練。 347

所以，呢個唔係將通用模型「翻譯成阿拉伯語」咁簡單，而係在高能力底座之上做大規模阿拉伯語專門化。

點解開放權重底座對「主權 AI」咁重要？

開放權重模型會提供已訓練好的參數，使用者可在本地部署、微調及推理，而唔使完全依賴專有 API。Brookings 指出，呢種做法可以令機構更掌握部署同評估；不過，拎到權重唔代表模型已完全可審計，原始訓練數據、開發過程、偏見及其他風險仍可能不透明。

對政府支持的計劃而言，這是一條折衷但實際的路：

• 毋須由零開始訓練前沿基礎模型，減少時間、成本與風險；
• 集中資源做本地化，例如國家語言、行業知識、評測標準及安全規範；
• 在受控基建上運行推理，處理重視資料處理方式與服務持續性的工作負載；
• 保留後續調整空間，唔會完全受制於單一外部 API 供應商的行為、定價或服務供應。

新美國安全中心（CNAS）亦指出，真正具備由零建立具競爭力前沿模型所需算力、數據、人才及資本的國家只屬少數。較多政府支持的項目，會選擇用本地數據微調開放權重模型，以較低成本注入本國語言、文化語境及專業領域知識。

關鍵唔係參數數字，而係阿拉伯語專門化

humain-m3 最值得留意的技術選擇，是其阿拉伯語優先訓練。HUMAIN 表示，模型接受咗超過一萬億枚原生阿拉伯語 tokens 的額外預訓練。 34

對公共部門及企業應用而言，有用的模型要處理的不只係字面翻譯，仲包括阿拉伯語推理、在地術語、不同地區的語言使用方式，以及以用戶真正使用的語言去做測試和評估。經本地適配的模型，讓計劃方可持續優化這些能力，同時保留部署及再訓練的主導權。

報道指，M3 模型系譜本身亦支援文字、圖像及影片理解，以及工具使用和電腦操作能力。若這些能力能在本地化後有效保留，國家級模型計劃就可以建立於既有能力之上，而毋須獨力重造前沿模型開發的每一層。 7

89.37% 基準成績：有希望，但要審慎睇

HUMAIN 報稱，humain-m3 在七項公開阿拉伯語基準測試的等權平均分為 89.37%。按其比較表，成績高於所引用的 MiniMax M3 參考分數 80.34%，亦高於 HUMAIN 評估中納入的 GPT-5.6 SOL 及 Claude Opus 5；HUMAIN 表示模型在七項測試中的五項領先。 5

不過，呢些數字要審慎解讀：它們由 HUMAIN 自行評測及公布，尚未獲獨立重現，亦未提交至 Open Arabic LLM Leaderboard。它們可以反映阿拉伯語本地化策略可能有效，但未足以構成跨模型的定論式排名。 15

有權重，不等於已完全自主

humain-m3 說明咗可重用模型檢查點的吸引力，但亦突顯「主權」一詞的界限。掌握可本地部署的模型，的確可以減低對外國 API 的依賴，並支持本地託管、微調和推理；但模型權重只係整個技術堆疊的一層。

要形成可運作的主權 AI 能力，仲需要算力基建、晶片、雲端及數據中心營運、專業團隊、安全流程、持續模型更新，以及底層授權條款。CNAS 對主權 AI 項目的定義，係與國家利益掛鈎、由政府支持，並在算力、模型或數據生態作實質投資的計劃——唔係只係掛上一個本地品牌。

從韌性角度睇，本地可部署的權重可以在託管服務改政策或無法使用時提供後備選項；但它無法抹走對硬件供應商、基建夥伴或基礎模型授權條款的依賴。

可重用基礎模型，正變成國際市場

HUMAIN-M3 亦反映中國 AI 實驗室的一個海外機會：它們唔一定只靠集中式消費產品或 API 競爭，亦可以提供高能力的基礎模型，由海外組織按自身語言、數據和基建需要作調整。

這個趨勢不只是一個個案。CNAS 統計，截至 2026 年上半年新增項目計算，全球共有 67 個國家的 184 個政府支持主權 AI 項目。當中，以基建為主的項目佔最大比重，說明國家 AI 策略愈來愈重視整個運行環境，而唔單止係模型本身。

在這個背景下，開放權重分發尤其重要。Hugging Face 指出，可在國內硬件部署的模型，有助減少對外國控制雲端基建的依賴，亦讓公共機構可按本國法律框架微調系統。

核心啟示

HUMAIN-M3 並非證明「有開放權重就等於 AI 主權」。但它展示咗一條相對可達成的路線：取得或授權一個有能力的基礎模型，重點投資本地數據與評估，放喺本地可控的營運環境運行，並保留日後調整系統的能力。

對沙特而言，眼前目標是建立阿拉伯語優先 AI 能力；對 MiniMax 等中國 AI 實驗室而言，一個可適配的模型檢查點，可以成為可輸出的 AI 基建組件；而對無意、或無能力由零訓練前沿模型的政府來講，這個項目正好說明，能下載、可本地部署的模型，正成為愈來愈重要的策略選項。 3