HUMAIN-M3 揭示主權 AI 的新劇本：掌握模型，比從零訓練更關鍵

沙烏地阿拉伯的 HUMAIN-M3，提供了一個觀察「主權 AI」策略轉變的鮮明案例：國家未必需要從零開始打造所有最前沿的模型能力；更實際的做法，是取得可再利用的模型基礎，並將資源投入在本地語言訓練、部署、安全與維運控制。

HUMAIN 採用 MiniMax 的 M3 模型系譜作為底座，再以原生阿拉伯語資料持續訓練，並透過自家 HUMAIN Node 平台提供阿拉伯語優先的模型服務。65 這不代表沙烏地完全脫離外國技術；HUMAIN-M3 本身仍依賴中國模型系譜。但它讓當地營運方對實際應用最關鍵的環節擁有更大主導權：使用哪些資料做專業化訓練、推論在哪裡執行、模型如何更新，以及模型可支援哪些部署場景。

HUMAIN-M3 推出了什麼？

由沙烏地公共投資基金（PIF）支持的 HUMAIN，於 2026 年 9 月 3 日宣布推出 humain-m3。公司表示，模型由 HUMAIN 委託、MiniMax 交付，並已在 HUMAIN Node 上以研究預覽形式開放。報導指出，未來預計釋出開放權重版本；不過，當前預覽版尚未提供可下載的模型權重。63

humain-m3 建立在 MiniMax-M3 系譜上，採用混合專家（Mixture-of-Experts，MoE）架構，總參數量為 4,280 億，每個 token 約啟用 230 億個參數。HUMAIN 表示，團隊再以超過 1 兆個原生阿拉伯語內容 token 對模型進行持續預訓練。61

這不是在通用模型外面加上一層翻譯功能。其公開目標是保留基礎模型的廣泛能力，同時透過更貼近在地語言與文化語境的資料，增強阿拉伯語理解與生成能力。211

開放權重底座，如何改變主權 AI 的成本結構？

從頭訓練頂尖通用模型，需要龐大的算力、資料、工程人才與時間。若以開放權重模型作為起點，國內營運者便能將投資集中在持續訓練、評測、部署與治理，以及自身優先的應用場景。

MiniMax 將 M3 定位為適用於程式開發與代理型工作（agentic work）的開放權重模型，其 API 支援最高 100 萬個 token 的上下文長度。18 以這類模型為基礎，國家級 AI 計畫可以將重心放在通用模型往往覆蓋不足的能力，例如阿拉伯語方言、區域知識、政府或企業工作流程，以及本地化評測。

策略上的好處並非「完全自主」，而是提升對實際技術堆疊的掌握程度。模型的價值不只在於最初是誰訓練，也在於誰能決定資料如何加入、在哪一套基礎設施上運行、如何調整版本，以及可否長期提供服務。

基準成績亮眼，但尚非獨立驗證

HUMAIN 表示，humain-m3 在 7 項公開阿拉伯語基準測試中的等權重平均分數為 89.37%，並在其中 5 項取得第一；該公司稱，這比 MiniMax M3 參考模型高出 9.03 分。12

這些結果顯示，針對阿拉伯語進行持續訓練，可能確實提升了模型在所選基準上的表現。不過，解讀時仍須審慎：這項彙總成績是由 HUMAIN 自行評測產生，報導時點尚未提交至公開的 OALL 排行榜。3

因此，這些數據尚不足以獨立證明模型在真實世界的可靠性、安全性、成本效益，或各類阿拉伯語任務上全面領先。後續的公開重現、實際部署證據，以及涵蓋區域方言與高風險場景的評測，會比單一基準表格更具參考價值。

為何「可下載權重」具戰略價值？

開放權重的重要性，在於它能降低對單一遠端模型供應商的依賴。美國新安全中心（CNAS）指出，各國愈來愈將開放權重模型視為避免供應商鎖定的務實途徑：模型可下載、自行託管、客製化，在某些情境下也可降低部署成本。38

對政府或國內營運者而言，這可帶來數種控制能力：

• 資料處理： 敏感工作負載可設計在本地或受控基礎設施運行，而非完全交由境外 API。
• 語言調校： 團隊可持續訓練模型，並針對地方阿拉伯語變體與機構用語進行評測。
• 技術選擇： 營運者能自行選擇推論軟體堆疊、硬體配置與部署架構。
• 服務延續性： 可用的模型檢查點（checkpoint），比完全依賴可能改變價格、條款、可用性或存取權限的外部 API 更具韌性。

當然，這些是營運優勢，而非自動實現的保證。開放權重仍需要足夠算力、資安實務、模型評測能力、授權審查，以及長期維護計畫。

主權 AI 市場正在擴大

HUMAIN-M3 並非孤立案例。CNAS 統計，截至 2026 年年中，全球共有 67 個國家、184 項政府支持的主權 AI 計畫；僅 2026 年上半年就新增 41 項。其後更新的即時索引則列出 185 項計畫。3433

CNAS 對主權 AI 的定義相當廣泛：它指與國家戰略利益明確相關、並獲得實質公共投資支持的計畫，投資範圍可涵蓋國內算力、模型或資料生態系。33 這也提醒我們，模型只是主權 AI 技術堆疊的一層；基礎設施與資料同樣重要。

中國開發者在這個市場中日益重要，部分原因正是有能力的模型不只透過 API 提供，也以開放權重形式釋出。CNAS 指出，至少有 7 家中國開發者提供在程式設計、推理、多模態與代理型任務上具強大能力的開放權重系統。36

MiniMax M3 也不只透過 MiniMax 自家服務交付。Artificial Analysis 列出多個可供應該模型 API 的業者，包括 Nebius 與 SambaNova，反映開放模型可由替代性基礎設施供應商提供服務。22

HUMAIN-M3 真正發出的訊號

最重要的結論，不是某一張基準成績表足以確立最強模型，而是 AI 競爭的單位正在改變。

各國正逐步成為可再利用 AI 資產的客戶：它們需要的是能因應本地語言需求進行調整、在選定基礎設施上運作、依照本國要求評測、並可長期維護的模型檢查點。強大的基礎模型仍然必要，但開放權重、硬體調適支援、穩定的推論選項、資料治理與可信的更新路徑，可能同樣關鍵。

HUMAIN-M3 因而不只是一場美中模型實驗室之間的競賽。正在浮現的競爭，也關乎誰能為希望更自主掌握 AI 未來的國家，提供最可調適、可治理且能長期運作的 AI 技術堆疊。