葡萄牙砸 550 万欧元造欧洲葡语模型 AMALIA

葡萄牙政府 7 月 1 日官宣，首个基于欧洲葡萄牙语（pt-PT）的开源大模型 AMALIA 正式发布。这是一个国家战略级项目——60 多名研究人员、18 个月工期、550 万欧元先期投入，跑在 Deucalion 和 MareNostrum 5 两台超算上，首个交付物是一个 9B 规模的多模态模型，年内还要追加 150 万欧元做 22B 的 Agent 版本。

名字取自葡萄牙国宝级 Fado 歌手 Amália Rodrigues，姿态很清楚：这不是一个技术玩具，是一个文化项目。

为什么欧洲葡语需要单独一个模型

先说清楚一件事——葡语大模型不是没有，问题在于市面上叫得出名字的葡语模型，几乎全都偏向巴西葡语（pt-BR）。

这两者的差距，比很多人想象的要大。词汇选择、动词变位、代词位置、拼写系统（葡萄牙 2009 年才完全接受新拼写协议）都有明显差异。举个直观的例子：巴西人说"你在做什么"是 "você está fazendo"，葡萄牙人说的是 "estás a fazer"——不光单词不同，语法结构都不一样。让一个吃了海量 pt-BR 语料的 Llama 或者 Qwen 去处理里斯本市政府的公文，效果可以想象。

这也是为什么葡萄牙政府愿意为一个 1000 万人口国家的语言掏 550 万欧元。语言主权在生成式 AI 时代是个实打实的议题，冰岛、爱沙尼亚、爱尔兰这两年都在做类似的事——不做，就等着自己的语言在 AI 语料里被大语种同化。

技术路线：不是从头训，而是继续训

这里要泼一点冷水。AMALIA 官方定位是"首个欧洲葡语大模型"，但严格来说，它不是从零开始训练的，而是在 EuroLLM 基础上做的持续预训练（continued pretraining）。

EuroLLM 本身是欧盟资助的多语种模型项目，葡萄牙团队本来就是主力贡献者之一。AMALIA 团队做的事，是在 EuroLLM 已有权重上，每一个训练阶段都逐步提高欧洲葡语数据的占比，最终产出一个 pt-PT 特化的版本。

这么做有优缺点：

• 好处：省算力、省钱、省时间。550 万欧元如果拿去从头训 9B，账根本算不过来；
• 代价：模型的底层世界知识仍然是英语和多欧洲语混合语料塑造的，pt-PT 的"母语性"更多体现在生成风格和本地化任务上，而不是从推理架构上就是葡语原生。

首阶段训练用了约 4 万亿葡语单词（tokens 数会更多），这个量级放在葡语单一语种里已经算相当大。要知道，整个葡语（含巴西）在 Common Crawl 里的占比也就 4% 左右，纯 pt-PT 的高质量文本更是稀缺资源。

多模态部分，团队后续升级让 9B 版本具备了文本、图像、声音的联合理解能力。声音这一路对葡语尤其关键——欧洲葡语的语音特征（元音弱化、辅音丛聚）跟巴西葡语差别巨大，一个能听懂里斯本口音的 ASR + LLM 组合，对政务、医疗、教育场景的价值不用多说。

评测：本地化 benchmark 才是重点

团队在 ACL 系的 PROPOR 会议上发了论文，评测集设计比模型本身更有看头。他们没有只跑翻译过来的 MMLU、GSM8K 这些标准套餐，而是搭了一整套 pt-PT 原生 benchmark：

• ALBA：葡语语法题，LLM-Judge 评分
• PT Exams：葡萄牙高考级别的通识题，含 CoT
• PT Completions：pt-PT 生成任务
• P3B3：pt-PT 与 pt-BR 的区分度评测
• FRMT：翻译任务，用 chrF 指标

再加上标准化的 ARC-C、GSM8K、MMLU、TruthfulQA、PIQA、SIQA、IFEval、BBH，以及三个多语种安全评测（Simple Safety Tests、XSTest、Multilingual AdvBench）。

论文里的结论也很直白：在翻译过来的国际 benchmark 上，AMALIA 与强基线打平；在 pt-PT 原生任务上，显著领先。

这个结果几乎是意料之中的——你专门为一个方言优化，当然会在方言评测里赢。但它同时也说明了一件重要的事：通用评测掩盖了小语种模型的真实价值。 如果没有 P3B3 这种能识别 pt-PT vs pt-BR 的评测集，AMALIA 相对于通用大模型的差异根本显示不出来，投资也就无从证明。

9B 只是开始，22B Agent 版才是野心

葡萄牙政府这次很聪明地把项目分成了两期。

第一期（已交付）：9B 多模态基础模型，550 万欧元。这个尺寸在消费级 GPU 上可跑（4bit 量化后 6GB 显存左右），对葡萄牙国内的中小企业、市政机构、学术研究友好。

第二期（年内交付）：22B 版本，追加 150 万欧元，重点做 Agent 能力。

为什么是 22B？这个尺寸挺讲究：

• 比 Mistral Small 24B 略小，但比大多数 13B 模型显著更强；
• 单张 A100 80GB 可以做全量微调；
• FP8 推理下可以塞进 24GB 显存的消费级卡；
• 对 Agent 场景来说，22B 是当前推理能力和成本的平衡点。

把 Agent 能力放在第二阶段，而不是塞进 9B，说明团队理解现实：Agent 不是单纯的模型能力，它需要 tool use、planning、reflection、长上下文这一整套能力，9B 硬做也能做，但产品化门槛太高。22B + Agent 组合更适合直接对接葡萄牙政务系统、Unbabel 这类本土 SaaS。

顺带说一句，Unbabel（团队核心成员之一）本身就是欧洲翻译 SaaS 的头部玩家，去年他们的 Tower 模型在多语种翻译评测里横扫过一波开源同尺寸模型。AMALIA 团队里有 Unbabel 的人参与，工程化经验和产品视角是有的，不是纯学术项目。

参与机构：一次"国家队"式的协作

AMALIA 项目的机构构成有点意思：

• Instituto de Telecomunicações（电信研究所，附属里斯本理工）
• Unbabel（里斯本理工的 spin-off，翻译 SaaS）
• NOVA 里斯本大学（尤其是 FCT 学院）
• 葡萄牙科技基金会（FCT）（负责训练和开发管理）

再加上 Deucalion（葡萄牙国家超算中心的机器）、MareNostrum 5（西班牙巴塞罗那超算，欧洲前十）的算力——这基本上是把葡萄牙 NLP 圈能调动的资源全捆一块儿了。

对比一下欧洲其他小语种项目，这种"国家基金 + 学术界 + 商业 spin-off + 跨国超算"的四方组合还挺少见。法国的 CroissantLLM、芬兰的 Poro、爱沙尼亚的 EstLLM 大多是学术为主，商业化路径比 AMALIA 弱。

一些值得追问的东西

钱花了，模型也开源了，但作为开发者视角，有几个问题值得盯着看：

1. 权重许可到底多开放？ 官方说"fully open source"，但 EuroLLM 的许可证并不完全宽松，AMALIA 作为衍生模型能不能商用、能不能微调再分发，需要看具体的 license 文件。

2. 数据构成透明度：目前公开材料里，pt-PT 语料的具体来源、清洗流程、去重策略披露有限。对于国家项目来说，这个透明度理应更高。

3. 和 EuroLLM、Sabiá（巴西版葡语模型）的正面对比：论文里给了通用 benchmark 结果，但和其他葡语专用模型的横向评测应该更充分。

4. 22B 版本的 Agent 框架选型：是自建 tool use 协议，还是兼容 MCP / Anthropic 那套标准？这决定了它能不能快速接入现有生态。

对开发者意味着什么

如果你在做葡语相关业务——尤其是面向葡萄牙、莫桑比克、安哥拉、佛得角这些欧洲葡语区市场——AMALIA 是必须评估的选项。它的价值不在于跟 GPT-5、Claude 拼通用能力，而在于成本可控的本地化部署：

• 政务、法律、医疗这类对本地语言细节敏感的场景；
• 数据不能出境的合规需求（葡萄牙 GDPR 执行相当严格）；
• 需要理解本地文化、俚语、历史背景的内容生成；
• ASR/TTS 场景下的欧洲葡语口音适配。

对于不做葡语业务的开发者，这个项目更多是方法论上的参考：如何用 550 万欧元、18 个月，把一个小语种的开源模型从 0 做到能用。这个成本-效率比，比很多国家动辄几亿投入的"国家大模型"项目要健康得多。

模型权重会通过 Hugging Face 的 PORTULAN 组织分发，同期开源的还有 pheb 评测框架。9B 版本现在就能拿到，22B Agent 版按官方规划在 2026 年内交付。

开源模型爆发到这个阶段，语言的"长尾"才真正开始被填补。AMALIA 不会是最后一个。

---

参考来源

• 葡萄牙发布首个欧洲葡语开源大语言模型 AMALIA - IT之家：原始新闻报道，含发布时间、投资规模、参数量等核心信息
• PORTULAN 组织 - Hugging Face：葡萄牙 NLP 团队的 Hugging Face 主页，AMALIA 权重及相关葡语模型的官方发布地