Motif-3-Base: Model Fondasi Berlisensi MIT yang Dirilis Motif Technologies Tanpa Mengumumkannya

Kisah rilis final Motif-3 oleh Motif Technologies adalah kisah tentang perbedaan antara pengumuman dan publikasi. Apa yang dijanjikan perusahaan untuk awal Agustus adalah peluncuran model finalnya — tindak lanjut dari pratinjau Motif-3-Beta yang dirilis pada 14 Juli. Apa yang sebenarnya terjadi, saat diperiksa pada 10 Agustus, lebih senyap: tiga repositori baru muncul di namespace Motif-Technologies di Hugging Face tanpa postingan peluncuran, tanpa catatan pers, dan tanpa apa pun di motiftech.io — Motif-3-Base, checkpoint fondasi terlatih dengan sekitar 314 miliar parameter, kini dirilis di bawah lisensi MIT; Motif-3, saudara yang disetel dengan instruksi, yang dirujuk oleh kartu tersebut; dan Motif-3-NVFP4, jejak terkuantisasi untuk mesin yang tidak dapat menampung versi penuhnya.

Semua yang di bawah ini dibaca langsung dari repositori-repositori tersebut, diperiksa silang dengan apa yang telah dipublikasikan Motif Technologies, dan sengaja dipisahkan menjadi apa yang sebenarnya disampaikan repositori dan apa yang masih belum terkonfirmasi. Judul utamanya tetap nyata: keluarga Motif-3 final telah rilis, open weights, berlisensi MIT, dan vendor belum mengucapkan sepatah kata pun tentang hal itu.

Versi singkatnya

Checkpoint dasar dari flagship AI berdaulat Korea dapat diunduh hari ini, di bawah lisensi MIT, tanpa permintaan akses — sebuah peningkatan lisensi dari versi Beta yang sebelumnya dibatasi untuk penelitian non-komersial.

• Motif-3-Base bukanlah model chat. Model ini tidak memiliki template chat, tidak di-tuning dengan instruksi atau diselaraskan dengan preferensi, dan ditujukan untuk fine-tuning, pretraining lanjutan, dan penelitian.

• Motif-3 yang disetel instruksi berada di sampingnya dalam repo saudara, dengan arsitektur yang sama, lisensi MIT yang sama, dan membawa suite benchmark yang akan menjadi tolok ukur penilaian perusahaan.

• Belum ada yang menghosting ketiganya untuk inferensi — kartu model menyatakan dengan jelas bahwa tidak ada penyedia inferensi yang menyebarkannya — jadi menjalankannya berarti self-hosting pada perangkat keras yang serius.

Yang belum dikonfirmasi: pengumuman resmi, reproduksi independen dari blok perhatian baru Motif, tolok ukur pihak ketiga dari bobot dasar, dan bagaimana posisi keluarga ini dibandingkan dengan pratinjau Juli yang mencetak skor 45 pada Artificial Analysis Intelligence Index.

Apa yang terjadi, secara berurutan

Kronologi itu penting, karena itulah yang membedakan "model baru" dari "ini sudah rilis." Checkpoint beta Motif-3 dirilis pada 14 Juli 2026, sebagai pratinjau perantara — kartu itu sendiri memperingatkan bahwa ini bukan rilis final. Pada 21 Juli, setelah pratinjau tersebut mendapat skor di Artificial Analysis, Motif Technologies mendapat liputan di media Korea sebagai keberhasilan pertama program "Dokpamo" model fondasi berdaulat negara tersebut, dan CEO-nya memberi tahu wartawan bahwa versi final akan hadir pada awal Agustus. Pada 4 Agustus, The Herald Business melaporkan bahwa perusahaan tersebut menyerahkan Motif-3 final dan laporan kinerja ke Kementerian Sains dan ICT Korea sebagai bagian dari evaluasi kedua program tersebut.

Lalu, sekitar 10 Agustus, kiriman itu menjadi publik: Motif-Technologies/Motif-3-Base, Motif-Technologies/Motif-3, dan Motif-Technologies/Motif-3-NVFP4 semuanya muncul di Hugging Face hanya berselang beberapa menit (repositori-repositori itu menampilkan "diperbarui beberapa menit lalu" saat diperiksa hari itu). Itulah peristiwa yang dibahas artikel ini. Ini adalah rilis yang sesungguhnya — bobot baru, lisensi baru, berkas baru — yang tidak diberitahukan kepada siapa pun.

Apa sebenarnya yang terkandung dalam repositori Motif-3-Base

Kartu tersebut spesifik tentang apa itu dan apa yang bukan. Motif-3-Base adalah "checkpoint pra-pelatihan dasar Motif 3," model mixture-of-experts khusus decoder dengan kira-kira 314 miliar total parameter dan 13,2 miliar yang diaktifkan per token, dilatih pada sekitar 12,5 triliun token. Model ini "belum menjalani supervised fine-tuning, reinforcement learning, atau penyelarasan preferensi/keamanan," dirilis "tanpa template chat," dan dimaksudkan untuk fine-tuning lebih lanjut, pretraining lanjutan, dan penelitian — untuk digunakan dalam mode penyelesaian teks. Model yang disetel dengan instruksi secara eksplisit ditunjuk sebagai repositori terpisah: Motif-Technologies/Motif-3.

Arsitekturnya sepenuhnya merupakan desain in-house milik Motif, dan kartunya secara spesifik menjelaskan hal itu:

• 53 lapisan — dua padat dan 51 mixture-of-experts — dengan ukuran tersembunyi 4.096.

• 384 ahli yang dirutekan dengan 8 teratas aktif per token, ditambah satu ahli bersama.

• Attention Laten Diferensial Berkelompok (GDLA), nama Motif untuk menggabungkan attention diferensial berkelompok dengan desain key-value terkompresi, yang menjalankan 80 kepala kueri dan 16 kepala kunci-nilai.

• PolyNorm Khusus-Expert sebagai pengganti gating SiLU yang biasa, dan aliran residual yang dimodifikasi dengan hyper-connections yang dibatasi manifold.

• Konteks native 262.144 token (256K) dan kosakata 220.160 token, dalam bfloat16.

Ada dua catatan praktis yang menyertai kartu ini. Pertama, model menggunakan kode khusus, jadi memuatnya melalui Hugging Face Transformers memerlukan trust_remote_code=True. Kedua, jalur penyajian yang direkomendasikan adalah vLLM dalam beta, melalui image Docker khusus Motif, yang diuji pada GPU NVIDIA B200 dan H200 — dengan SGLang dan Docker Model Runner sebagai rute tambahan yang didukung.

Perubahan lisensi yang lebih penting daripada lembar spesifikasi

Fakta yang paling menentukan dalam rilis ini bukanlah jumlah parameter. Pratinjau Juli, Motif-3-Beta, diterbitkan di bawah lisensi khusus riset yang secara tegas melarang penggunaan komersial tanpa izin tertulis dari Motif Technologies. Baik Motif-3-Base maupun Motif-3, saudara dari Motif-3-Base, dirilis di bawah lisensi MIT.

Itulah perbedaan antara model yang dapat dipelajari di laboratorium dan model yang dapat dijadikan landasan produk oleh perusahaan. Penyedia fine-tuning, perusahaan yang mengevaluasi tumpukan teknologi bahasa Korea, atau startup yang ingin melanjutkan pra-pelatihan pada garis keturunan 12,5 triliun token — semuanya dapat melakukannya tanpa perlu panggilan lisensi ke Seoul. Mengingat seluruh proposisi komersial Motif bertumpu pada AI berdaulat yang dikembangkan sendiri — Motif adalah salah satu dari empat tim dalam program model fondasi nasional Korea, bersama LG AI Research, Upstage, dan SK Telecom — lisensi MIT pada bobot dasar adalah langkah paling pro-adopsi yang pernah diambil perusahaan tersebut.

Perlu juga dinyatakan dengan jelas apa yang MIT tidak mengubah: lisensi ini mencakup bobot, bukan merek, dan tidak ada apa pun dalam kartu ini yang memberikan hak atas merek dagang Motif atau nama "Motif". Untuk model dasar yang terutama akan di-fine-tune, lisensi ini adalah kunci praktisnya; sisanya hanyalah formalitas.

Skor pada kartu, dan siapa yang mengukurnya

Kartu model dasar memuat baris evaluasi singkat: MMLU 86,20, GSM8K 93,93, MATH 70,58, HumanEval 73,70, dan MBPP 84,60. Ini adalah angka milik Motif sendiri, diukur oleh Motif, belum direproduksi, dan angka-angka tersebut menggambarkan versi yang belum di-tuning dari checkpoint — jadi perlakukan angka-angka tersebut sebagai batas bawah dari titik awal fine-tuning, bukan sebagai klaim tentang model yang akan Anda gunakan. Tolok ukur utama justru ada pada saudara kandung Motif-3 yang telah di-tuning, dan itu juga dilaporkan oleh vendor: τ²-Bench Telecom 94,7, SWE-Bench Verified 76,2, Terminal-Bench 2.1 74,9, GPQA Diamond 83,4, dan skor bebas halusinasi sebesar 71,6 pada OmniScience.

Satu-satunya skor independen dalam sejarah publik keluarga ini terdapat pada Beta, bukan file-file baru ini. Artificial Analysis mencantumkan Motif 3 (Beta) dengan skor 45 pada Artificial Analysis Intelligence Index — peringkat yang digambarkan pers Korea, pada evaluasi bulan Juli, sebagai menempatkan pratinjau ini setara dengan DeepSeek V4 Pro, ketiga di antara model open-weights secara global di belakang Kimi K3 dan GLM-5.2, dan pertama di antara model dari luar Amerika Serikat dan Tiongkok. Belum ada pihak independen yang mengukur bobot dasar atau model instruct final, dan repositori-repositori baru belum ditambahkan ke katalog Artificial Analysis pada saat penulisan ini.

Apa yang masih belum dikonfirmasi

Perlu presisi tentang batas antara fakta repo dan pertanyaan terbuka, karena ini adalah rilis tanpa pernyataan resmi untuk dijadikan acuan rekonsiliasi.

• Tidak ada pengumuman. Per 10 Agustus, motiftech.io tidak memuat berita tentang rilis final, dan belum ada pos peluncuran atau siaran pers yang muncul. Repositori itulah pengumumannya.

• "Final" tidak tercetak di mana pun. Kartu Motif-3-Base menampilkan dirinya sebagai checkpoint dasar; ia tidak menyebut "final release", dan janji Beta tentang checkpoint final dengan "enhanced performance" belum dikonfirmasi secara resmi sebagai file-file ini — meskipun waktu, lisensi MIT, dan pengajuan kepada pemerintah semuanya mengarah ke sana.

• Tidak ada verifikasi independen terhadap arsitektur tersebut. GDLA, Expert-Specific PolyNorm, dan hiper-koneksi yang dimodifikasi adalah desain proprietary milik Motif dan, hingga liputan bulan Juli, belum direproduksi secara independen. Hal itu normal untuk laboratorium muda, tetapi itu berarti klaim efisiensi arsitektur tersebut bertumpu pada pengujian Motif sendiri.

• Tidak ada penyedia hosting dan tidak ada harga. Ketiga kartu menyatakan bahwa tidak ada penyedia inferensi yang menerapkan model-model tersebut, jadi tidak ada API yang dihosting dan tidak ada harga per-token publik di mana pun. Berapa pun biaya model Motif melalui API pada akhirnya belum dapat diketahui.

Apa yang dibutuhkan untuk benar-benar menjalankannya.

Karena tidak ada yang dihosting, setiap tim yang menginginkan bobot ini harus melakukan self-hosting. Checkpoint dasar presisi penuh adalah file bfloat16 dengan 315 miliar parameter, dan perangkat keras yang direkomendasikan adalah kelas B200 atau H200 untuk vLLM — komitmen infrastruktur signifikan yang tidak boleh disepelekan sebagian besar pembaca. Jalur masuk yang realistis adalah Motif-3-NVFP4 yang dikuantisasi NVFP4 untuk jejak yang lebih kecil, atau menunggu penyedia inferensi mana pun untuk mengadopsi model-model tersebut.

Di sinilah juga lapisan routing membuktikan kegunaannya, tanpa berpura-pura dapat memanggil model yang tidak dihosting siapa pun. Nilai dari satu API yang menaungi 200+ model dengan failover otomatis justru untuk hari ketika sebuah keluarga baru seperti ini benar-benar muncul dalam katalog terhosting: Anda mencobanya pada sebagian lalu lintas melalui satu kunci yang kompatibel dengan OpenAI, melakukan failover ke model yang sudah terbukti ketika model itu tersendat, dan tidak perlu merancang ulang arsitektur karena integrasinya tidak bergantung pada model. Dan karena OrcaRouter meneruskan harga daftar penyedia tanpa markup, harga yang pada akhirnya ditetapkan penyedia Motif adalah harga yang Anda bayar pada hari yang sama — tanpa siklus kontrak di antaranya. Sampai ada penyedia yang menghosting bobot-bobot ini, ringkasan yang jujur adalah bahwa Motif-3-Base dan Motif-3 berjalan di GPU Anda sendiri, dan argumen tentang routing adalah soal tumpukan yang Anda pelihara di sekelilingnya, bukan soal memanggil pasangan ini hari ini.

Siapa yang harus peduli

Tiga kelompok perlu memperhatikan. Tim yang melakukan fine-tuning pada model open-weight kini memiliki opsi baru yang serius: MoE berlisensi MIT dengan 314B/13.2B-active, konteks 256K, dan proses pretraining yang terdokumentasi dengan baik, yang dapat digunakan secara komersial tanpa perlu menghubungi vendor. Para peneliti yang mengerjakan desain attention baru atau desain MoE yang efisien mendapatkan hal yang langka — arsitektur berskala produksi dengan bobot yang dipublikasikan dan dibangun dari awal, bukan re-parameterisasi dari model open-source yang sudah ada. Dan siapa pun yang melacak AI berdaulat mendapatkan artefak konkret di balik program unggulan Korea, yang dirilis secara diam-diam dua bulan setelah pratinjau perusahaan tersebut menjadi berita internasional.

Kelompok yang seharusnya tidak mengunduhnya adalah siapa pun yang menginginkan asisten obrolan yang berfungsi. Tanpa template obrolan dan tanpa penyelarasan, Motif-3-Base akan menjawab dalam mode completion dan tidak menolak apa pun — itulah inti dari model fondasi, dan itulah juga mengapa saudara instruct ada.

Apa yang harus ditonton

Empat hal masing-masing akan mengubah persepsi terhadap rilis ini. Pengumuman resmi, yang akan mengonfirmasi label "final" dan postur komersial. Tolok ukur independen dari bobot dasar dan model instruksi, yang akan memberikan angka terverifikasi pertama bagi keluarga ini. Penyedia yang mengadopsi salah satu dari ketiganya — peristiwa yang akan membuat Motif-3 dapat diakses melalui API, bukan hanya pada GPU yang di-host sendiri. Dan hasil evaluasi kedua Dokpamo, yang akan menentukan apakah program model berdaulat Korea berpusat pada bobot-bobot ini.

Sampai salah satu dari itu terwujud, deskripsi yang akurat memang sempit tetapi signifikan: keluarga final Motif-3 kini ada di Hugging Face, berlisensi MIT, dan dapat diunduh secara terbuka, dan perusahaan yang selama setahun diliput sebagai harapan AI berdaulat Korea telah merilis artefak terpentingnya sejauh ini — tanpa memberi tahu siapa pun bahwa mereka melakukannya.