Motif-3-Base: Das MIT-lizenzierte Basismodell, das Motif Technologies ohne Ankündigung veröffentlichte

Die Geschichte der finalen Motif-3-Veröffentlichung von Motif Technologies ist eine Geschichte über den Unterschied zwischen einer Ankündigung und einer Publikation. Was das Unternehmen für Anfang August versprochen hatte, war die Enthüllung seines finalen Modells — die Nachfolgerin der Motif-3-Beta-Vorschau, die es am 14. Juli veröffentlichte. Was tatsächlich geschah, als man am 10. August nachsah, war leiser: Drei neue Repositories erschienen im Motif-Technologies-Namespace auf Hugging Face, ohne Launch-Post, ohne Pressemitteilung und nichts auf motiftech.io —Motif-3-Base, der etwa 314 Milliarden Parameter umfassende vortrainierte Basischeckpoint, der jetzt unter der MIT-Lizenz veröffentlicht wurde; Motif-3, das instruktionsabgestimmte Schwestermodell, auf das sich diese Karte bezieht; und Motif-3-NVFP4, ein quantisierter Footprint für Maschinen, die das vollständige Modell nicht halten können.

Alles unten wird direkt aus diesen Repositories gelesen, gegen das abgeglichen, was Motif Technologies bereits veröffentlicht hat, und bewusst aufgeteilt in das, was das Repo uns tatsächlich sagt, und das, was noch nicht bestätigt ist. Die Schlagzeile ist so oder so real: Die finale Motif-3-Familie ist draußen, offene Gewichte, MIT-lizenziert, und der Anbieter hat kein Wort darüber verloren.

Die Kurzfassung

• Der Basis-Checkpoint des koreanischen Flaggschiffs für souveräne KI ist heute unter der MIT-Lizenz herunterladbar, ohne Zugriffsanfrage — ein Lizenz-Upgrade gegenüber der Beta, die auf nicht-kommerzielle Forschung beschränkt war.

• Motif-3-Base ist kein Chat-Modell. Es verfügt über keine Chat-Vorlage, wurde nicht auf Anweisungen trainiert oder an Präferenzen ausgerichtet und ist für Feintuning, fortgesetztes Pretraining und Forschung gedacht.

Das instruktionsoptimierte Motif-3 liegt daneben in einem Schwester-Repository, hat dieselbe Architektur, dieselbe MIT-Lizenz und bringt die Benchmark-Suite mit, an der das Unternehmen gemessen wird.

• Niemand hostet derzeit eines der drei für Inferenz — die Modellkarten stellen klar fest, dass kein Inferenzanbieter sie bereitstellt — sie auszuführen bedeutet also, sie auf leistungsstarker Hardware selbst zu hosten.

• Was nicht bestätigt ist: eine offizielle Ankündigung, eine unabhängige Reproduktion von Motifs neuartigem Attention-Block, ein Drittanbieter-Benchmark der Basisgewichte und wo dies die Familie im Vergleich zur Juli-Vorschau lässt, die beim Artificial Analysis Intelligence Index 45 erreichte.

Was ist passiert, der Reihe nach

Der Zeitplan ist wichtig, denn er ist es, der „neues Modell“ von „das gab es schon“ trennt. Der Beta-Checkpoint von Motif-3 wurde am 14. Juli 2026 als vorläufiges Preview ausgeliefert — die Modellkarte selbst warnte, dass es sich nicht um die endgültige Veröffentlichung handelte. Am 21. Juli, nachdem das Preview bei Artificial Analysis einen Score erzielt hatte, erregte Motif Technologies als erster Erfolg des nationalen „Dokpamo“-Programms für souveräne Foundation-Modelle in der koreanischen Presse Aufmerksamkeit, und sein CEO teilte Reportern mit, die endgültige Version werde Anfang August erscheinen. Am 4. Augustberichtete The Herald Business, dass das Unternehmen seine endgültige Motif-3-Version und einen Leistungsbericht beim koreanischen Ministerium für Wissenschaft und IKT im Rahmen der zweiten Bewertung des Programms einreiche.

Dann, etwa am 10. August, wurde die Einreichung öffentlich: Motif-Technologies/Motif-3-Base, Motif-Technologies/Motif-3 und Motif-Technologies/Motif-3-NVFP4 erschienen alle innerhalb weniger Minuten auf Hugging Face (die Repositorys zeigten bei der Überprüfung an jenem Tag „vor Minuten aktualisiert"). Genau über dieses Ereignis berichtet dieser Artikel. Es ist eine echte Veröffentlichung — neue Gewichte, neue Lizenz, neue Dateien — von der niemand wusste.

Was das Motif-3-Base-Repository tatsächlich enthält

Die Karte ist präzise darin, was sie ist und was nicht. Motif-3-Base ist "der Basis-Pretraining-Checkpoint von Motif 3", ein reines Decoder-Mixture-of-Experts-Modell mit rund 314 Milliarden Gesamtparametern und 13,2 Milliarden aktivierten Parametern pro Token, trainiert auf etwa 12,5 Billionen Tokens. Es hat "kein überwachtes Fine-Tuning, kein Reinforcement Learning und keine Präferenz- bzw. Sicherheitsausrichtung durchlaufen", wird "ohne Chat-Template" ausgeliefert und ist für weiteres Fine-Tuning, fortgesetztes Pretraining und Forschung gedacht – zur Verwendung im Textvervollständigungsmodus. Das instruktionsgetunte Modell wird ausdrücklich als separates Repository ausgewiesen: Motif-Technologies/Motif-3.

Die Architektur ist eine vollständige Eigenentwicklung von Motif, und die Karte macht dazu genaue Angaben:

• 53 Schichten — zwei dichte und 51 Mixture-of-Experts — mit einer versteckten Größe von 4.096.

• 384 geroutete Experten, von denen pro Token die Top-8 aktiv sind, sowie ein gemeinsamer Experte.

• Grouped Differential Latent Attention (GDLA), Motifs Bezeichnung für die Kombination aus gruppierter differentieller Aufmerksamkeit und einem komprimierten Key-Value-Design, mit 80 Query-Heads und 16 Key-Value-Heads.

• Expertenspezifische PolyNorm anstelle des üblichen SiLU-Gatings und ein modifizierter, mannigfaltigkeitsbeschränkter Hyperverbindungs-Residualstrom.

• Ein nativer Kontext mit 262.144 Token (256K) und ein Vokabular mit 220.160 Token, in bfloat16.

Zwei praktische Hinweise liegen der Karte bei. Erstens verwendet das Modell benutzerdefinierten Code, daher erfordert das Laden über Hugging Face Transformers trust_remote_code=True. Zweitens ist der empfohlene Serving-Pfad vLLM in der Beta-Version, über ein Motif-spezifisches Docker-Image, getestet auf NVIDIA B200- und H200-GPUs – mit SGLang und Docker Model Runner als zusätzlich unterstützten Routen.

Die Lizenzänderung, die mehr zählt als das Datenblatt

Die wichtigste Tatsache in diesem Release ist nicht die Parameteranzahl. Die Juli-Vorschau, Motif-3-Beta, wurde unter einer Nur-für-Forschung-Lizenz veröffentlicht, die kommerzielle Nutzung ohne schriftliche Genehmigung von Motif Technologies ausdrücklich untersagte. Sowohl Motif-3-Base als auch ihr Schwestermodell Motif-3 werden unter der MIT-Lizenz.

Das ist der Unterschied zwischen einem Modell, das ein Labor untersuchen kann, und einem Modell, auf dem ein Unternehmen ein Produkt aufbauen kann. Ein Fine-Tuning-Anbieter, ein Unternehmen, das einen koreanischsprachigen Stack evaluiert, oder ein Startup, das das Pretraining auf einer Modelllinie mit 12,5 Billionen Tokens fortsetzen möchte, kann das alles tun, ohne einen Lizenzanruf nach Seoul tätigen zu müssen. Da Motifs gesamtes kommerzielles Angebot auf souveräner, hauseigener KI beruht — Motif ist eines von vier Teams im nationalen Foundation-Model-Programm Koreas, neben LG AI Research, Upstage und SK Telecom — ist MIT auf den Basisgewichten der adoptionsfreundlichste Schritt, den das Unternehmen bisher unternommen hat.

Es ist auch wichtig, klar zu sagen, was MIT nicht ändert: Es lizenziert die Gewichte, nicht die Marke, und nichts in der Karte gewährt Rechte an Motifs Marken oder den Namen „Motif“. Für ein Basismodell, das hauptsächlich feinabgestimmt wird, ist die Lizenz die praktische Freischaltung; der Rest ist Papierkram.

Die Punkte auf der Karte und wer sie gemessen hat.

Die Basismodellkarte enthält eine kurze Evaluierungszeile: MMLU 86,20, GSM8K 93,93, MATH 70,58, HumanEval 73,70 und MBPP 84,60. Dies sind Motifs eigene Zahlen, von Motif gemessen, nicht reproduziert, und sie beschreiben den nicht abgestimmten Checkpoint – behandeln Sie sie also als Untergrenze für den Ausgangspunkt des Fine-Tunings, nicht als Aussage über das Modell, das Sie einsetzen würden. Das auf Anweisungen abgestimmte Motif-3-Geschwistermodell ist das Modell, auf das sich die wichtigsten Benchmarks beziehen, und auch diese werden vom Anbieter gemeldet: τ²-Bench Telecom 94,7, SWE-Bench Verified 76,2, Terminal-Bench 2.1 74,9, GPQA Diamond 83,4 und ein Nicht-Halluzinations-Score von 71,6 bei OmniScience.

Der einzige unabhängige Wert in der öffentlichen Historie der Familie stammt von der Beta, nicht von diesen neuen Dateien. Artificial Analysis listet Motif 3 (Beta) mit 45 im Artificial Analysis Intelligence Index — das Ranking, das die koreanische Presse bei ihrer Juli-Bewertung als Einstufung beschrieb, die das Vorschaumodell auf Augenhöhe mit DeepSeek V4 Pro bringt, weltweit an dritter Stelle unter Open-Weight-Modellen hinter Kimi K3 und GLM-5.2 und an erster Stelle unter Modellen von außerhalb der USA und Chinas. Noch hat keine unabhängige Instanz die Basisgewichte oder das finale Instruct-Modell gemessen, und die neuen Repositorien wurden zum Zeitpunkt dieses Schreibens noch nicht in den Katalog von Artificial Analysis aufgenommen.

Was ist noch nicht bestätigt?

Es lohnt sich, präzise zwischen den Fakten aus dem Repo und offenen Fragen zu unterscheiden, denn dies ist eine Veröffentlichung, für die es keine offizielle Stellungnahme zum Abgleich gibt.

• Keine Ankündigung. Stand 10. August enthält motiftech.io keine Neuigkeiten zur endgültigen Veröffentlichung, und es ist weder ein Startbeitrag noch eine Pressemitteilung aufgetaucht. Die Repos sind die Ankündigung.

• "Final" ist nirgendwo aufgedruckt. Die Motif-3-Base-Karte präsentiert sich als Basis-Checkpoint; sie sagt nicht "final release", und das Versprechen der Beta von einem finalen Checkpoint mit "enhanced performance" wurde nicht offiziell als diese Dateien bestätigt — obwohl das Timing, die MIT-Lizenz und die Einreichung bei der Regierung alle darauf hindeuten.

• Keine unabhängige Überprüfung der Architektur. GDLA, Expert-Specific PolyNorm und die modifizierten Hyper-Verbindungen sind proprietäre Designs von Motif und waren zum Zeitpunkt der Juli-Berichterstattung noch nicht unabhängig reproduziert worden. Das ist für ein junges Labor normal, bedeutet aber, dass die Effizienzbehauptungen der Architektur auf Motifs eigenen Läufen beruhen.

• Kein Provider-Hosting und keine Preisangabe. Alle drei Karten geben an, dass kein Inferenzanbieter die Modelle bereitstellt; folglich gibt es weder eine gehostete API noch einen öffentlichen Preis pro Token. Was die Modelle von Motif über eine API letztendlich kosten werden, ist noch nicht absehbar.

Was es tatsächlich braucht, um es zu betreiben.

Da nichts gehostet wird, hostet jedes Team, das diese Gewichte möchte, selbst. Der Basis-Checkpoint in voller Präzision ist eine bfloat16-Datei mit 315B Parametern, und die empfohlene Hardware für vLLM ist die B200- oder H200-Klasse – eine erhebliche Infrastrukturverpflichtung, die die meisten Leser nicht unterschätzen sollten. Die realistischen Einstiegspunkte sind der NVFP4-quantisierte Motif-3-NVFP4 für einen kleineren Footprint oder das Warten darauf, dass ein Inferenzanbieter die Modelle übernimmt.

Genau hier bewährt sich die Routing-Ebene, ohne so zu tun, als könnte sie ein Modell aufrufen, das niemand hostet. Der Wert einer einzigen API, die 200+ Modelle mit automatischem Failover bedient, zeigt sich eben an dem Tag, an dem eine neue Familie wie diese tatsächlich in einem gehosteten Katalog erscheint: Man testet es an einem Teil des Traffics über einen einzigen OpenAI-kompatiblen Schlüssel, wechselt per Failover zu einem bewährten Modell, wenn es hakt, und muss die Architektur nie umbauen, weil die Integration modellagnostisch ist. Und da OrcaRouter die Listenpreise der Anbieter ohne Aufschlag direkt durchreicht, ist der Preis, den ein Motif-Anbieter letztlich festlegt, derselbe Preis, den man noch am selben Tag zahlt — ohne dazwischenliegenden Vertragszyklus. Bis ein Anbieter diese Gewichte hostet, ist die ehrliche Zusammenfassung, dass Motif-3-Base und Motif-3 auf den eigenen GPUs laufen, und das Routing-Argument bezieht sich auf den Stack, den man um sie herum betreibt, nicht darauf, dieses Paar heute aufzurufen.

Wen sollte es interessieren?

Drei Gruppen sollten aufmerksam werden. Teams, die Open-Weight-Modelle feinabstimmen, haben eine ernstzunehmende neue Option: ein MIT-lizenziertes MoE mit 314B/13.2B aktiven Parametern, 256K-Kontext und einem gut dokumentierten Pretraining-Lauf, das ohne einen Anruf beim Anbieter kommerziell nutzbar ist. Forscher, die an neuartigen Attention-Mechanismen oder effizientem MoE-Design arbeiten, bekommen etwas Seltenes – eine Architektur in Produktionsgröße mit veröffentlichten Gewichten, die von Grund auf neu aufgebaut wurde, keine Re-Parametrisierung eines bestehenden offenen Modells. Und wer Sovereign AI verfolgt, erhält das konkrete Artefakt hinter Koreas Flaggschiff-Programm, das zwei Monate, nachdem die Vorschau des Unternehmens international Schlagzeilen machte, leise veröffentlicht wurde.

Die Gruppe, die es nicht herunterladen sollte, ist jeder, der einen funktionierenden Chat-Assistenten möchte. Ohne Chat-Template und ohne Alignment antwortet Motif-3-Base im Completion-Modus und lehnt nichts ab — das ist der Sinn eines Foundation-Modells, und genau deshalb existiert auch das Instruct-Geschwistermodell.

Was zu sehen

Vier Dinge würden jeweils die Einschätzung dieses Releases verändern. Eine offizielle Ankündigung, die das „final“-Label und die kommerzielle Ausrichtung bestätigen würde. Unabhängige Benchmarks der Basisgewichte und des Instruct-Modells, die der Familie ihre ersten verifizierten Zahlen liefern würden. Ein Anbieter, der eines der drei Modelle aufnimmt – das Ereignis, das Motif-3 über eine API erreichbar machen würde, statt nur auf selbst gehosteten GPUs. Und das Ergebnis der zweiten Dokpamo-Evaluierung, das darüber entscheiden wird, ob sich das Programm für souveräne Modelle Koreas auf diese Gewichte konzentriert.

Bis einer dieser Punkte eintrifft, ist die zutreffende Beschreibung begrenzt, aber bedeutsam: Die finale Motif-3-Familie ist jetzt auf Hugging Face verfügbar, MIT-lizenziert und offen herunterladbar, und das Unternehmen, das ein Jahr lang als Koreas Hoffnung auf souveräne KI dargestellt wurde, hat sein bisher wichtigstes Artefakt veröffentlicht – ohne irgendjemandem davon zu erzählen.