HUMAIN发布阿语模型human-m3

HUMAIN发布human-m3，沙特主权AI出现新路径

沙特人工智能公司HUMAIN于2026年9月3日公布前沿阿拉伯语模型 human-m3，模型由中国AI公司MiniMax受托开发，首期以研究和评估预览版登陆HUMAIN Node平台，后续将开放模型权重。

这不是一次简单的本地语言模型发布。human-m3更值得关注的地方在于：沙特没有从零开始打造一个基础模型，而是选择以MiniMax的通用前沿模型为技术底座，再通过大规模阿拉伯语数据、区域文化知识和智能体能力训练，把它改造成面向本国及阿拉伯语市场的主权AI模型。

主权AI是指一个国家或地区能够自主掌控模型、数据、算力、部署环境和治理规则的人工智能体系。 从这个定义看，human-m3目前还处在“研究预览”阶段，距离完整的主权AI基础设施仍有距离，但它已经展示出一条现实路径：基础模型可以跨国合作，最终的训练、对齐、部署和数据治理则留在本地。

模型底座来自MiniMax-M3，而不是完全从零训练

human-m3基于MiniMax自家的MiniMax-M3构建，这一信息意味着它并非完全由沙特团队从头预训练的新模型，而是一次面向阿拉伯语场景的深度定制和后训练。

MiniMax-M3是一款采用混合专家架构的前沿模型。混合专家模型（MoE）是指模型拥有大量总参数，但每次处理一个词元时只激活其中一小部分专家参数，以降低推理计算量。 根据目前披露的信息，MiniMax-M3与human-m3均拥有约4280亿个总参数、约230亿个激活参数。

换句话说，模型“账面上的大脑”有4280亿参数，但处理一个具体请求时，真正参与计算的参数约为230亿。这种设计类似于一家拥有数百名专家的医院，但每个病人只会被分诊给其中少数几个专科团队。它能在维持较大模型容量的同时，控制单次推理成本。

需要注意的是，4280亿总参数和230亿激活参数目前主要来自补充披露及相关行业信息，HUMAIN此次首发公告并未公布完整技术报告。等到官方开放权重、模型卡和评测脚本后，开发者还需要进一步确认具体架构、上下文长度、词表、许可协议以及是否完整继承MiniMax-M3的多模态能力。

| 项目 | human-m3目前已知信息 | 说明 | |---|---:|---| | 模型定位 | 前沿阿拉伯语模型 | 面向阿拉伯语理解、生成和智能体任务 | | 技术底座 | MiniMax-M3 | 由MiniMax受托开发，human-m3在此基础上定制 | | 总参数量 | 约4280亿 | MoE模型的全部专家参数规模 | | 激活参数量 | 约230亿 | 单次Token处理时实际激活的参数规模 | | 阿拉伯语训练规模 | T级Token规模 | 官方称完成T级阿拉伯语原生文本预训练；补充信息称后训练超过1万亿Token | | 当前状态 | 研究和评估预览版 | 已在HUMAIN Node提供 | | 后续计划 | 开放模型权重 | 具体时间、协议和部署方式尚未完全公布 |

超过万亿阿拉伯语Token，训练重点不只是翻译

human-m3的核心价值不在于把英语模型简单翻译成阿拉伯语，而在于让模型直接在阿拉伯语环境中学习。

原生阿拉伯语训练是指模型在预训练或大规模后训练阶段直接使用阿拉伯语文本、对话和知识数据建立语言能力，而不是先用英语训练、再通过翻译数据补充阿拉伯语能力。 这一区别会影响模型对阿拉伯语词形变化、语序、方言、宗教语境和文化隐喻的理解。

阿拉伯语本身并不是一种单一、均质的语言。现代标准阿拉伯语适合新闻、教育和正式文件，但日常交流中还存在海湾阿拉伯语、沙特方言、埃及方言、黎凡特方言和北非方言等多种变体。模型如果只掌握书面语，处理客服、社交内容和语音转写时仍可能表现生硬。

HUMAIN称，human-m3使用了T级规模的阿拉伯语原生文本进行预训练。相关补充信息则提到，模型还使用超过1万亿个阿拉伯语Token进行后训练，重点强化阿拉伯语表达、当地文化、智能体、工具调用和电脑操作能力。

这里的“后训练”比传统的问答微调更宽泛。它可能包括监督微调、偏好优化、合成数据训练、工具使用轨迹训练以及针对长流程任务的强化学习。最终效果并不由Token数量单独决定，数据清洗、来源分布、重复率、方言覆盖和评测污染同样重要。

因此，human-m3是否真正解决了阿拉伯语模型长期存在的短板，还需要等待更完整的数据说明。尤其需要观察它对方言、代码混合表达、阿拉伯语数学题、法律文书、宗教文本和跨文化问答的表现，而不仅是一个综合平均分。

七项阿拉伯语基准测试平均得分89.37%

HUMAIN表示，human-m3在7项公开阿拉伯语基准测试中取得参测前沿模型最高平均分，相关行业信息披露的平均成绩为 89.37%。

基准测试是用一组固定任务衡量模型能力的评估方法，但基准成绩不等于真实生产效果。 89.37%是一个有吸引力的数字，说明human-m3至少在公开阿拉伯语任务集合上具备竞争力，但它还不能单独证明模型在企业客服、搜索、政务和智能体执行中全面领先。

这类成绩至少有三项值得继续核验的内容：第一，7项基准测试分别是什么，是否覆盖标准阿拉伯语和多种方言；第二，参测模型的版本、提示词和解码参数是否一致；第三，human-m3是否使用了与测试集高度相似的训练数据。

如果HUMAIN后续公开模型权重、评测脚本和逐项成绩，开发者就能更准确地判断它与GPT、Claude、Gemini、Qwen、Llama以及其他阿拉伯语专用模型之间的差距。当前“平均分最高”更适合作为发布信号，而不是采购结论。

| 评估维度 | human-m3目前披露情况 | 开发者应关注的问题 | |---|---|---| | 阿拉伯语综合能力 | 7项公开基准平均89.37% | 是否提供逐项分数和测试集名称 | | 文化理解 | 重点强化沙特及区域文化 | 是否覆盖不同国家、宗教和社会语境 | | 智能体能力 | 强化Agent任务 | 能否稳定完成多步骤任务 | | 工具调用 | 纳入训练重点 | 是否支持结构化参数和错误恢复 | | 电脑操作 | 纳入训练重点 | 是否能处理真实网页和桌面流程 | | 长上下文 | 底座MiniMax-M3具备相关能力 | human-m3是否完整继承、官方上限是多少 | | 多模态 | MiniMax-M3具备原生多模态方向 | human-m3当前预览版是否开放视觉输入尚未明确 |

HUMAIN Node的意义：先开放实验，再建立生态

HUMAIN Node是HUMAIN面向开发者、研究人员和创新者提供模型实验与评估的平台。模型预览平台是指在正式商业化之前，为用户提供受限模型访问、评测和反馈能力的产品入口。

HUMAIN首席执行官Tareq Amin表示，阿拉伯语使用人口达到数亿，但在人工智能前沿领域的代表性仍然严重不足，公司希望通过human-m3改变这一状况，并通过HUMAIN Node向开发者开放实验和开发能力。

这个产品节奏相对务实。对于一个刚发布的区域语言模型，直接承诺覆盖所有企业场景并不现实；先上线研究预览版，让开发者测试问答、检索增强生成、内容审核、文档分析和智能体任务，再根据反馈开放权重，是更容易控制风险的路径。

对开发者而言，HUMAIN Node真正的价值取决于几个细节：是否提供稳定的模型版本、是否支持批量评测、是否能导出对话和测试结果、是否公布速率限制、是否支持本地部署，以及开放权重后是否允许商业使用。

如果human-m3最终以开放权重形式发布，并且能够在沙特本土服务器部署，它就不仅是一款阿拉伯语聊天模型，还可能成为政务、金融、能源、教育和电信行业的基础组件。对这些行业来说，本地部署的意义并不是“速度更快”这么简单，而是数据不必离开本国受监管的基础设施，模型行为也能纳入本地合规体系。

沙特此前已有Allam，但human-m3的野心更大

human-m3并不是HUMAIN在阿拉伯语AI上的第一次尝试。2025年8月，HUMAIN推出了由Allam 34B模型支持的HUMAIN Chat，主打阿拉伯语对话、文化语境、本地数据托管以及阿拉伯语和英语切换。

Allam 34B是HUMAIN此前面向阿拉伯语对话场景推出的34B参数模型，而human-m3则是面向前沿能力和开发者生态的更大规模模型。 两者的产品定位并不相同：Allam 34B更像一款面向终端用户的本地化助手，human-m3则试图承担基础模型和开发平台的角色。

从34B到约4280亿总参数，HUMAIN的模型路线明显转向更大规模、更强推理和更复杂智能体任务。这个变化也意味着更高的训练和部署成本。对于沙特而言，PIF支持的HUMAIN可以通过国家级资本、数据中心和能源资源承担这种投入，但其他阿拉伯语市场未必具备同等条件。

MiniMax获得的，不只是一次模型定制订单

human-m3说明，中国模型公司出海的方式正在发生变化。过去更常见的模式是向海外用户提供产品或模型服务，而这次MiniMax直接参与了另一个国家级AI体系的基础模型建设。

模型底座合作是指一方提供通用基础模型、架构和训练经验，另一方利用本地数据、算力、场景和治理要求完成领域化或区域化定制。 这种合作比单纯提供软件服务更深入，因为它会触及训练数据、模型权重、部署位置和后续迭代权。

对MiniMax来说，human-m3可以成为MiniMax-M3在阿拉伯语和主权AI场景中的一次大规模验证。MiniMax-M3此前强调长上下文、编码和智能体能力，如果human-m3能够把这些能力迁移到阿拉伯语环境，MiniMax的模型就不再只是面向中文和英文开发者的通用产品，而可能成为其他国家构建本地模型的技术底座。

对HUMAIN来说，采用成熟底座能够缩短研发周期，并把资源集中到最有价值的部分：阿拉伯语数据、区域知识、合规部署和行业应用。代价则是模型的“自主性”需要更精确地定义。一个模型是否属于沙特，不能只看训练地点，还要看权重控制权、数据产权、迭代权、部署权和安全审计权由谁掌握。

这款模型目前最值得看什么

human-m3最值得关注的不是“100%沙特模型”这样的宣传口径，而是它能否把外部基础模型真正转化为本地可控的AI基础设施。

首先要看开放权重是否按计划落地。开放权重将直接决定研究机构能否离线评估模型、企业能否在本地部署，以及开发者能否基于human-m3继续微调。如果只开放在线预览而不开放权重，它更接近一个平台产品，而不是可复用的国家级模型资产。

其次要看模型许可协议。开放权重不等于完全自由使用，商业限制、再分发条款、衍生模型要求和安全责任都可能影响企业采用。对于沙特政府和大型企业来说，许可透明度与性能同样重要。

再次要看真实任务表现。阿拉伯语模型的竞争不会只发生在标准问答榜单上，还会发生在海湾方言客服、阿拉伯语法律检索、石油工程文档、政府表格自动化、跨语言翻译和本地电商推荐等具体场景中。

最后要看它能否形成开发者生态。一个模型即使在评测中领先，如果缺乏文档、推理框架适配、量化版本、监控工具和本地人才支持，也很难成为长期基础设施。HUMAIN Node只是起点，真正的竞争在于未来一年能否吸引足够多的阿拉伯语应用和数据反馈。

OpenAI Hub判断

human-m3是近期区域语言模型发布中较有战略含义的一款产品。它的技术亮点在于以约4280亿总参数、约230亿激活参数的MoE底座承载大规模阿拉伯语训练，产品亮点在于通过HUMAIN Node先开放研究预览，战略亮点则在于把MiniMax的通用模型能力嵌入沙特自己的AI体系。

但现在还不能把89.37%的平均成绩直接等同于“阿拉伯语最强模型”。官方逐项评测、模型权重、技术报告和许可协议尚未完整发布，human-m3对方言、多模态、长上下文和真实智能体流程的能力也仍需独立测试。

更准确的判断是：human-m3目前是一项成功概率较高、但仍待交付验证的主权AI工程。它没有证明沙特已经拥有完全独立的基础模型技术，却证明了一个国家可以通过资本、算力、本地数据和国际模型合作，在较短时间内构建面向自身语言与治理需求的模型系统。

对于开发者，现阶段最值得做的不是追逐发布口号，而是等待HUMAIN Node开放后，用自己的阿拉伯语数据集测试三件事：回答是否自然，文化判断是否准确，智能体能否稳定执行任务。等权重和技术报告上线后，再决定它究竟是一个优秀的区域模型，还是一个更具象征意义的国家级AI项目。

参考来源

• IT之家：沙特HUMAIN公布前沿阿语模型human-m3，由MiniMax受托开发——提供human-m3发布时间、MiniMax合作关系、阿拉伯语训练规模、评测结果、HUMAIN Node预览及开放权重计划等信息。

注：本文关于模型参数规模、89.37%平均成绩以及超过1万亿阿拉伯语Token后训练等补充信息，来自相关行业披露；在HUMAIN正式技术报告和模型卡发布前，具体架构、评测流程与许可条款仍应以官方文件为准。