Motif-3-Base: Het onder MIT-licentie staande basismodel dat Motif Technologies zonder aankondiging uitbracht

Het verhaal van de laatste Motif-3-release van Motif Technologies is een verhaal over het verschil tussen een aankondiging en een publicatie. Wat het bedrijf voor begin augustus beloofde, was de onthulling van zijn laatste model — de opvolger van de Motif-3-Beta-preview die het op 14 juli uitbracht. Wat er werkelijk gebeurde, zo bleek op 10 augustus, was stiller: drie nieuwe repositories verschenen in de namespace van Motif-Technologies op Hugging Face, zonder launchpost, zonder persbericht en met niets op motiftech.io — Motif-3-Base, het voorgetrainde basischeckpoint van circa 314 miljard parameters, nu uitgebracht onder de MIT-licentie; Motif-3, het instruction-tuned zustermodel waarnaar die kaart verwijst; en Motif-3-NVFP4, een gekwantiseerde footprint voor machines die het volledige model niet kunnen bevatten.

Alles hieronder is rechtstreeks uit die repositories gehaald, gecontroleerd tegen wat Motif Technologies al had gepubliceerd, en bewust opgesplitst in wat de repo ons daadwerkelijk vertelt en wat nog niet bevestigd is. De kop klopt in elk geval: de definitieve Motif-3-familie is uit, met open gewichten, onder MIT-licentie, en de leverancier heeft er geen woord over gezegd.

De korte versie

Het basis-checkpoint van Korea's soevereine-AI-vlaggenschip is vandaag downloadbaar onder de MIT-licentie, zonder toegangsverzoek — een licentie-upgrade ten opzichte van de bèta, die beperkt was tot niet-commercieel onderzoek.

• Motif-3-Base is geen chatmodel. Het heeft geen chat-template, is niet instructie-getuned of op voorkeuren afgestemd, en is gericht op fine-tuning, voortgezette pretraining en onderzoek.

• Het instructie-afgestemde Motif-3 bevindt zich ernaast in een zuster-repo, met dezelfde architectuur, dezelfde MIT-licentie, en bevat de benchmarksuite waarop het bedrijf zal worden beoordeeld.

Nog niemand host een van de drie voor inferentie — de modelkaarten vermelden ronduit dat geen enkele inferentieprovider ze inzet — dus ze draaien betekent self-hosting op serieuze hardware.

• Wat niet bevestigd is: een officiële aankondiging, een onafhankelijke reproductie van het nieuwe aandachtsblok van Motif, een benchmark van derden voor de basisgewichten, en waar dit de familie laat ten opzichte van de juli-preview die 45 scoorde op de Artificial Analysis Intelligence Index.

Wat er is gebeurd, in volgorde

De tijdlijn is belangrijk, want die bepaalt het verschil tussen "nieuw model" en "dit was al uit." De bètacheckpoint van Motif-3 verscheen op 14 juli 2026, als een tussentijdse preview — de kaart zelf waarschuwde dat het niet de definitieve release was. Op 21 juli, nadat de preview had gescoord op Artificial Analysis, kreeg Motif Technologies aandacht in de Koreaanse pers als het eerste succes van het "Dokpamo"-programma van het land voor soevereine fundatiemodellen, en de CEO vertelde verslaggevers dat de definitieve versie begin augustus zou verschijnen. Op 4 augustus meldde The Herald Business dat het bedrijf zijn definitieve Motif-3 en een prestatierapport indiende bij het Ministerie van Wetenschap en ICT van Korea als onderdeel van de tweede evaluatie van het programma.

Toen, rond 10 augustus, werd de inzending openbaar: Motif-Technologies/Motif-3-Base, Motif-Technologies/Motif-3 en Motif-Technologies/Motif-3-NVFP4 verschenen allemaal op Hugging Face binnen enkele minuten van elkaar (de repositories vertoonden "updated minutes ago" toen die dag werd gecontroleerd). Dat is de gebeurtenis die dit artikel behandelt. Het is een echte release — nieuwe gewichten, nieuwe licentie, nieuwe bestanden — waar niemand over was geïnformeerd.

Wat de Motif-3-Base-repository daadwerkelijk bevat

De kaart is specifiek over wat het is en wat het niet is. Motif-3-Base is "het voorgetrainde basischeckpoint van Motif 3," een decoder-only-mixture-of-experts-model met ongeveer 314 miljard totale parameters en 13,2 miljard geactiveerd per token, getraind op ongeveer 12,5 biljoen tokens. Het heeft "geen gesuperviseerde fine-tuning, reinforcement learning of preference/safety-alignment ondergaan", wordt "zonder chat-template" geleverd en is bedoeld voor verdere fine-tuning, voortgezet pretraining en onderzoek — om te worden gebruikt in tekstaanvullingsmodus. Het op instructies afgestemde model wordt expliciet aangewezen als een aparte repository: Motif-Technologies/Motif-3.

De architectuur is het volledig eigen ontwerp van Motif, en de kaart is daar specifiek over:

53 lagen — twee dense en 51 mixture-of-experts — met een verborgen grootte van 4.096.

• 384 gerouteerde experts met de top-8 actief per token, plus één gedeelde expert.

• Gegroepeerde Differentiële Latente Aandacht (GDLA), Motifs naam voor het combineren van gegroepeerde differentiële aandacht met een gecomprimeerd key-value-ontwerp, met 80 query-heads en 16 key-value-heads.

Expertspecifieke PolyNorm in plaats van de gebruikelijke SiLU-gating, en een aangepaste manifold-beperkte hyperverbindingen-residustroom.

• Een native 262.144-token (256K) context en een 220.160-token vocabulaire, in bfloat16.

Bij de kaart horen twee praktische opmerkingen. Ten eerste gebruikt het model aangepaste code, dus het laden via Hugging Face Transformers vereist trust_remote_code=True. Ten tweede is het aanbevolen serveerpad vLLM in bèta, via een Motif-specifieke Docker-image, getest op NVIDIA B200- en H200-GPU's — met SGLang en Docker Model Runner als aanvullende ondersteunde routes.

De licentiewijziging die er meer toe doet dan het specificatieblad

Het allerbelangrijkste feit in deze release is niet het aantal parameters. De juli-preview, Motif-3-Beta, werd gepubliceerd onder een onderzoekslicentie die commercieel gebruik zonder schriftelijke toestemming van Motif Technologies uitdrukkelijk verbood. Zowel Motif-3-Base als Motif-3-Base's zustermodel Motif-3 worden uitgebracht onder de MIT-licentie.

Dat is het verschil tussen een model dat een lab kan bestuderen en een model waarop een bedrijf een product kan bouwen. Een fine-tuningprovider, een onderneming die een Koreaanstalige stack evalueert, of een startup die verder wil pretrainen op een 12,5 biljoen tokens tellende afstammingslijn, kan dat allemaal doen zonder een licentiegesprek met Seoul. Aangezien Motifs commerciële propositie volledig steunt op soevereine, in-house AI — het is een van de vier teams in het nationale basismodelprogramma van Korea, naast LG AI Research, Upstage en SK Telecom — is MIT op de basisgewichten de adoptievriendelijkste zet die het bedrijf heeft gedaan.

Het is ook de moeite waard om duidelijk te zeggen wat MIT niet verandert: het licentieert de gewichten, niet het merk, en niets in de modelkaart verleent rechten op de handelsmerken van Motif of de naam "Motif". Voor een basismodel dat voornamelijk voor fine-tuning zal worden gebruikt, is de licentie de praktische sleutel; de rest is papierwerk.

De scores op de kaart, en wie ze heeft gemeten

De basismodelkaart bevat een korte evaluatierij: MMLU 86.20, GSM8K 93.93, MATH 70.58, HumanEval 73.70 en MBPP 84.60. Dit zijn de eigen cijfers van Motif, gemeten door Motif, niet gereproduceerd, en ze beschrijven het ongetunedecheckpoint — behandel ze dus als een ondergrens van waar fine-tuning begint, niet als een claim over het model dat u zou inzetten. De instructie-getunede zusterversie van Motif-3 bevat de belangrijkste benchmarks, en die zijn ook door de leverancier gerapporteerd: τ²-Bench Telecom 94.7, SWE-Bench Verified 76.2, Terminal-Bench 2.1 74.9, GPQA Diamond 83.4 en een non-hallucinatiescore van 71.6 op OmniScience.

De enige onafhankelijke score in de openbare geschiedenis van de familie staat op de Beta, niet deze nieuwe bestanden. Artificial Analysis vermeldt Motif 3 (Beta) met een score van 45 op de Artificial Analysis Intelligence Index — de rangschikking die de Koreaanse pers bij haar evaluatie van juli beschreef als de preview op gelijke hoogte met DeepSeek V4 Pro, derde onder modellen met open gewichten wereldwijd achter Kimi K3 en GLM-5.2, en eerste onder modellen van buiten de Verenigde Staten en China. Niets onafhankelijks heeft nog de basisgewichten of het uiteindelijke instructmodel gemeten, en de nieuwe repositories zijn op het moment van schrijven nog niet toegevoegd aan de catalogus van Artificial Analysis.

Wat is er nog niet bevestigd

Het is de moeite waard om precies te zijn over de grens tussen repo-feiten en open vragen, omdat dit een release is zonder officiële verklaring om tegen af te stemmen.

• Geen aankondiging. Vanaf 10 augustus bevat motiftech.io geen nieuws over de definitieve release, en er is geen lanceerbericht of persbericht opgedoken. De repo's zijn de aankondiging.

• "Final" staat nergens vermeld. De Motif-3-Base-kaart presenteert zich als het basischeckpoint; er staat niet "final release" en de belofte van de Beta van een definitief checkpoint met "verbeterde prestaties" is niet formeel bevestigd dat het om deze bestanden gaat — hoewel de timing, de MIT-licentie en de indiening bij de overheid allemaal in die richting wijzen.

• Geen onafhankelijke verificatie van de architectuur. GDLA, Expert-Specific PolyNorm en de aangepaste hyperverbindingen zijn bedrijfseigen ontwerpen van Motif en waren, per de juli-dekking, niet onafhankelijk gereproduceerd. Dat is normaal voor een jong laboratorium, maar het betekent dat de efficiëntieclaims van de architectuur steunen op Motif's eigen runs.

• Geen providerhosting en geen prijzen.Alle drie de kaarten vermelden dat geen enkele inferentieprovider de modellen implementeert, dus er is nergens een gehoste API en geen openbare prijs per token. Wat de modellen van Motif uiteindelijk via een API gaan kosten, is nog niet te achterhalen.

Wat er nodig is om het daadwerkelijk te laten draaien

Omdat er niets gehost wordt, draait elk team dat deze gewichten wil gebruiken zijn eigen hosting. De full-precision-basischeckpoint is een bfloat16-bestand van 315B parameters, en de aanbevolen hardware voor vLLM is B200- of H200-klasse — een aanzienlijke infrastructuurinvestering die de meeste lezers niet moeten onderschatten. De realistische instappunten zijn de NVFP4-gekwantiseerde Motif-3-NVFP4 voor een kleinere voetafdruk, of wachten tot een inference-provider de modellen oppikt.

Dit is ook waar de routeringslaag zijn waarde bewijst, zonder te doen alsof het een model kan aanroepen dat niemand host. De waarde van één enkele API die 200+ modellen ontsluit met automatische failover, zit juist in de dag dat er daadwerkelijk een nieuwe familie als deze in een gehoste catalogus verschijnt: je test haar op een deel van het verkeer via één OpenAI-compatibele sleutel, schakelt over naar een bewezen model wanneer het hapert, en hoeft nooit te herbouwen omdat de integratie modelagnostisch is. En omdat OrcaRouter de lijstprijzen van providers zonder opslag doorgeeft, is de prijs die een Motif-provider uiteindelijk vaststelt de prijs die jij dezelfde dag betaalt — zonder contractcyclus ertussen. Zolang geen provider deze gewichten host, is de eerlijke samenvatting dat Motif-3-Base en Motif-3 op je eigen GPU's draaien, en dat het routeringsargument gaat over de stack die je eromheen onderhoudt, niet over het vandaag aanroepen van dit paar.

Wie zou het moeten schelen

Drie groepen moeten opletten. Teams die open gewichten fine-tunen hebben een serieuze nieuwe optie: een MIT-gelicentieerde MoE met 314B/13.2B actieve parameters, een 256K context en een goed gedocumenteerde pre-training run, commercieel bruikbaar zonder de leverancier te bellen. Onderzoekers die werken aan nieuwe aandachtmechanismen of efficiënt MoE-ontwerp krijgen iets zeldzaams — een architectuur op productieschaal met gepubliceerde gewichten die vanaf nul is opgebouwd, geen herparametrisering van een bestaand open model. En iedereen die soevereine AI volgt, krijgt het concrete artefact achter Korea's vlaggenschipprogramma, stilletjes uitgebracht twee maanden nadat de preview van het bedrijf internationaal nieuws haalde.

De groep die zou moeten niet downloaden is iedereen die een werkende chat-assistent wil. Zonder chat-template en zonder alignment zal Motif-3-Base in completiemodus antwoorden en niets weigeren — dat is het punt van een fundamentmodel, en dat is ook waarom de instruct-variant bestaat.

Wat te kijken

Vier dingen zouden elk de interpretatie van deze release veranderen. Een officiële aankondiging, die het 'finale' label en de commerciële houding zou bevestigen. Onafhankelijke benchmarks van de basisgewichten en het instructmodel, die de familie haar eerste geverifieerde cijfers zouden geven. Een provider die een van de drie oppikt — de gebeurtenis die Motif-3 bereikbaar zou maken via een API in plaats van alleen op zelfgehoste GPU's. En de uitkomst van de tweede evaluatie van Dokpamo, die zal bepalen of Korea's soevereine modelprogramma zich op deze gewichten richt.

Totdat een daarvan landt, is de accurate beschrijving beperkt maar significant: de definitieve Motif-3-familie staat nu op Hugging Face, MIT-gelicentieerd en openlijk downloadbaar, en het bedrijf dat een jaar lang werd beschreven als de hoop van Korea's soevereine AI heeft tot nu toe zijn belangrijkste artefact uitgebracht — zonder iemand te vertellen dat het dat deed.