沙烏地阿拉伯的 humain-m3，提供了「主權 AI」在實務上如何落地的一個鮮明案例。沙烏地公共投資基金（PIF）支持的 HUMAIN，並非從零訓練一個前沿基礎模型，也不只使用海外供應商的 API；它委託中國 AI 開發商 MiniMax，基於其 M3 模型家族打造阿拉伯語優先的模型。

這種模式的核心在於：將既有的高能力模型，透過在地語料、評測與部署環境，轉化為可由本地單位掌握及持續調整的系統。34

LEAP 2026 發表了什麼？

HUMAIN 於 2026 年 9 月 3 日在利雅德舉行的 LEAP 大會發表 humain-m3，並先透過 HUMAIN Node 提供研究與評估預覽。HUMAIN Node 是該公司提供模型與推論存取的平台。報導指出，HUMAIN 計畫在完成額外的安全與對齊工作後，依 MiniMax Community License 推出開放權重版本。3414

humain-m3 延續 MiniMax M3 的混合專家模型（Mixture of Experts，MoE）設計：總參數約 4,280 億，但每處理一個詞元約只啟用 230 億參數。HUMAIN 表示，團隊另以超過 1 兆個原生阿拉伯語詞元對模型進行進一步預訓練。347

因此，這不是把通用模型「翻成阿拉伯語」而已，而是以大規模阿拉伯語資料，對既有高能力模型進行專門化處理。

開放權重，為何改變主權 AI 的算盤？

開放權重模型會提供已訓練完成的模型參數，讓使用者能在本地部署、微調與執行推論，而不必完全依賴專有 API。布魯金斯學會指出，這能讓機構對部署與評估有更高掌控度；但僅取得權重，並不代表模型已完全可稽核，因為訓練資料、開發流程、偏誤與其他風險仍可能不透明。

對政府支持的計畫而言，這形成一條折衷但實用的路徑：

• 不必從零打造前沿模型：可避開完整預訓練所需的龐大時間與成本。
• 把資源集中在本地需求：例如國家語言、產業知識、評測標準與安全規範。
• 在受控環境運行推論：對資料處理與服務持續性要求較高的工作負載尤其重要。
• 保有後續調整的選項：不會完全受限於單一外部 API 的行為、定價或可用性。

戰略與國際研究中心（CNAS）也指出，真正擁有算力、資料、人才與資本，能從零打造競爭性前沿模型的國家仍屬少數。許多政府支持的模型計畫，會選擇以本地資料微調開放權重模型，用較低成本納入本國語言、文化脈絡與專業領域知識。

重點不只是參數量，而是阿拉伯語專門化

humain-m3 最關鍵的技術選擇，是其阿拉伯語優先定位。HUMAIN 表示，模型額外吸收了逾 1 兆個原生阿拉伯語詞元。34

這很重要，因為可用的國家級部署，需求遠超過逐句翻譯。政府與企業應用往往需要模型理解阿拉伯語的推理方式、在地術語、區域用語及使用者實際書寫與溝通的語言環境。在地化模型可讓計畫方針對這些能力持續優化，並掌握部署和後續調校。

據報，底層的 M3 模型家族還支援文字、影像與影片理解，以及工具使用和電腦操作能力。若這些能力能透過在地化有效保留，國家模型計畫就能直接承接既有的技術成果，而不必自行重建前沿模型研發的每一層。7

基準成績亮眼，但必須保留判讀

HUMAIN 公布，humain-m3 在 7 項公開阿拉伯語基準上取得 89.37% 的等權重平均成績。其比較表中，該模型高於所列 MiniMax M3 參考成績的 80.34%，也高於 HUMAIN 納入測試的 GPT-5.6 SOL 與 Claude Opus 5；HUMAIN 並稱模型在 7 項測試中的 5 項領先。5

不過，這些結果須審慎看待：它們是 HUMAIN 自行執行與公布 的評測，尚未獲獨立重現，也未提交至 Open Arabic LLM Leaderboard。這些數據可視為阿拉伯語在地化策略可能奏效的訊號，而非足以定調跨模型排名的結論。15

有權重，不等於已完全「自主」

humain-m3 展示了可重用模型檢查點的吸引力，也說明「主權」一詞的界線。本地取得模型可降低對外國 API 的依賴，並支援國內託管、微調與推論；然而，模型權重只是整個技術堆疊的一層。

要形成可運作的主權 AI 能力，仍需要算力基礎設施、晶片、雲端與資料中心營運、專業團隊、資安流程、持續的模型更新，以及底層授權條款。CNAS 將主權 AI 廣義定義為：與國家戰略利益直接相關、並獲得政府在算力、模型或資料生態系實質投資支持的計畫，而不只是貼上本國標籤的模型。

這個區別攸關韌性。可在本地部署的權重，能在代管服務改變政策或無法使用時提供備案；但它們無法自動消除對硬體供應商、基礎設施夥伴或模型授權條款的依賴。

可重用基礎模型正在形成新市場

HUMAIN-M3 也顯示，中國 AI 實驗室存在一條海外發展路徑：除了以集中式消費產品或 API 競爭，也能供應可讓海外組織自行依語言、資料與基礎設施調整的基礎模型。

這符合更大的趨勢。CNAS 統計，截至 2026 年上半年新增專案的資料中，已有 67 個國家的 184 項政府支持主權 AI 專案；其中，基礎設施導向專案占最大比例，顯示各國 AI 策略日益關注完整運行環境，而非只關注模型本身。

Hugging Face 也指出，可部署在國內硬體上的模型，能減少對外國控制雲端基礎設施的依賴，並讓公共機構得以在本國法律框架下調校系統。

關鍵啟示：從「使用 AI」走向「掌握調整權」

HUMAIN-M3 並不能證明只要有開放權重，就能實現 AI 主權。但它確實示範了一條更可達成的策略：取得或授權一個有能力的基礎模型，重點投資本地資料與評測，在國內受控的營運環境部署，並保留長期調整系統的能力。

對沙烏地阿拉伯而言，直接目標是建立阿拉伯語優先的 AI 能力；對 MiniMax 等中國實驗室來說，可調整的模型檢查點可能成為可輸出的 AI 基礎設施元件。至於無法、或不願從零打造前沿模型的政府，這個案例說明了為何可下載、可本地部署的模型，正成為愈來愈重要的戰略選項。3

沙烏地阿拉伯的 humain-m3，提供了「主權 AI」在實務上如何落地的一個鮮明案例。沙烏地公共投資基金（PIF）支持的 HUMAIN，並非從零訓練一個前沿基礎模型，也不只使用海外供應商的 API；它委託中國 AI 開發商 MiniMax，基於其 M3 模型家族打造阿拉伯語優先的模型。

這種模式的核心在於：將既有的高能力模型，透過在地語料、評測與部署環境，轉化為可由本地單位掌握及持續調整的系統。34

LEAP 2026 發表了什麼？

HUMAIN 於 2026 年 9 月 3 日在利雅德舉行的 LEAP 大會發表 humain-m3，並先透過 HUMAIN Node 提供研究與評估預覽。HUMAIN Node 是該公司提供模型與推論存取的平台。報導指出，HUMAIN 計畫在完成額外的安全與對齊工作後，依 MiniMax Community License 推出開放權重版本。3414

humain-m3 延續 MiniMax M3 的混合專家模型（Mixture of Experts，MoE）設計：總參數約 4,280 億，但每處理一個詞元約只啟用 230 億參數。HUMAIN 表示，團隊另以超過 1 兆個原生阿拉伯語詞元對模型進行進一步預訓練。347

因此，這不是把通用模型「翻成阿拉伯語」而已，而是以大規模阿拉伯語資料，對既有高能力模型進行專門化處理。

開放權重，為何改變主權 AI 的算盤？

開放權重模型會提供已訓練完成的模型參數，讓使用者能在本地部署、微調與執行推論，而不必完全依賴專有 API。布魯金斯學會指出，這能讓機構對部署與評估有更高掌控度；但僅取得權重，並不代表模型已完全可稽核，因為訓練資料、開發流程、偏誤與其他風險仍可能不透明。

對政府支持的計畫而言，這形成一條折衷但實用的路徑：

• 不必從零打造前沿模型：可避開完整預訓練所需的龐大時間與成本。
• 把資源集中在本地需求：例如國家語言、產業知識、評測標準與安全規範。
• 在受控環境運行推論：對資料處理與服務持續性要求較高的工作負載尤其重要。
• 保有後續調整的選項：不會完全受限於單一外部 API 的行為、定價或可用性。

戰略與國際研究中心（CNAS）也指出，真正擁有算力、資料、人才與資本，能從零打造競爭性前沿模型的國家仍屬少數。許多政府支持的模型計畫，會選擇以本地資料微調開放權重模型，用較低成本納入本國語言、文化脈絡與專業領域知識。

重點不只是參數量，而是阿拉伯語專門化

humain-m3 最關鍵的技術選擇，是其阿拉伯語優先定位。HUMAIN 表示，模型額外吸收了逾 1 兆個原生阿拉伯語詞元。34

這很重要，因為可用的國家級部署，需求遠超過逐句翻譯。政府與企業應用往往需要模型理解阿拉伯語的推理方式、在地術語、區域用語及使用者實際書寫與溝通的語言環境。在地化模型可讓計畫方針對這些能力持續優化，並掌握部署和後續調校。

據報，底層的 M3 模型家族還支援文字、影像與影片理解，以及工具使用和電腦操作能力。若這些能力能透過在地化有效保留，國家模型計畫就能直接承接既有的技術成果，而不必自行重建前沿模型研發的每一層。7

基準成績亮眼，但必須保留判讀

HUMAIN 公布，humain-m3 在 7 項公開阿拉伯語基準上取得 89.37% 的等權重平均成績。其比較表中，該模型高於所列 MiniMax M3 參考成績的 80.34%，也高於 HUMAIN 納入測試的 GPT-5.6 SOL 與 Claude Opus 5；HUMAIN 並稱模型在 7 項測試中的 5 項領先。5

不過，這些結果須審慎看待：它們是 HUMAIN 自行執行與公布 的評測，尚未獲獨立重現，也未提交至 Open Arabic LLM Leaderboard。這些數據可視為阿拉伯語在地化策略可能奏效的訊號，而非足以定調跨模型排名的結論。15

有權重，不等於已完全「自主」

humain-m3 展示了可重用模型檢查點的吸引力，也說明「主權」一詞的界線。本地取得模型可降低對外國 API 的依賴，並支援國內託管、微調與推論；然而，模型權重只是整個技術堆疊的一層。

要形成可運作的主權 AI 能力，仍需要算力基礎設施、晶片、雲端與資料中心營運、專業團隊、資安流程、持續的模型更新，以及底層授權條款。CNAS 將主權 AI 廣義定義為：與國家戰略利益直接相關、並獲得政府在算力、模型或資料生態系實質投資支持的計畫，而不只是貼上本國標籤的模型。

這個區別攸關韌性。可在本地部署的權重，能在代管服務改變政策或無法使用時提供備案；但它們無法自動消除對硬體供應商、基礎設施夥伴或模型授權條款的依賴。

可重用基礎模型正在形成新市場

HUMAIN-M3 也顯示，中國 AI 實驗室存在一條海外發展路徑：除了以集中式消費產品或 API 競爭，也能供應可讓海外組織自行依語言、資料與基礎設施調整的基礎模型。

這符合更大的趨勢。CNAS 統計，截至 2026 年上半年新增專案的資料中，已有 67 個國家的 184 項政府支持主權 AI 專案；其中，基礎設施導向專案占最大比例，顯示各國 AI 策略日益關注完整運行環境，而非只關注模型本身。

Hugging Face 也指出，可部署在國內硬體上的模型，能減少對外國控制雲端基礎設施的依賴，並讓公共機構得以在本國法律框架下調校系統。

關鍵啟示：從「使用 AI」走向「掌握調整權」

HUMAIN-M3 並不能證明只要有開放權重，就能實現 AI 主權。但它確實示範了一條更可達成的策略：取得或授權一個有能力的基礎模型，重點投資本地資料與評測，在國內受控的營運環境部署，並保留長期調整系統的能力。

對沙烏地阿拉伯而言，直接目標是建立阿拉伯語優先的 AI 能力；對 MiniMax 等中國實驗室來說，可調整的模型檢查點可能成為可輸出的 AI 基礎設施元件。至於無法、或不願從零打造前沿模型的政府，這個案例說明了為何可下載、可本地部署的模型，正成為愈來愈重要的戰略選項。3