Motif-3 (Beta): Wewnątrz koreańskiego modelu Sovereign-AI, który właśnie wszedł do Top 3 modeli open-source.

Motif-3-Beta to najnowszy gracz w zatłoczonym wyścigu otwarto-wagowych dużych modeli językowych, który pojawia się z nietypową historią powstania: pochodzi od Motif Technologies, około 30-osobowej spółki zależnej południowokoreańskiej firmy Moreh zajmującej się infrastrukturą AI, założonej w lutym 2025 roku i wspartej serią B o wartości około 24 miliardów wonów (około 16 milionów dolarów). To niewielki zespół i skromny budżet w porównaniu z laboratoriami, które zwykle dominują w tych rankingach, co właśnie sprawia, że wczesne wyniki benchmarkowe modelu przyciągnęły uwagę: niezależny wskaźnik Artificial Analysis Intelligence Index (AAII) wynoszący 44, co daje trzecie miejsce wśród modeli open-source i open-weight na świecie oraz 11. miejsce ogólnie, jeśli uwzględnimy zamknięte laboratoria graniczne.

Model jest wyraźnie dziełem w toku – wersją beta lub punktem kontrolnym (checkpoint), a nie gotowym wydaniem – i jest objęty licencją badawczą do użytku niekomercyjnego, a nie w pełni permisywnymi warunkami Apache 2.0, jak jego poprzednik, Motif-2. To połączenie „silnego wczesnego wyniku” i „wciąż niedokończone, wciąż ograniczone” stanowi uczciwe ramy dla wszystkiego, co następuje: Motif-3 jest naprawdę interesującym punktem danych w wyścigu open-source i w dążeniu Korei do niezależności w dziedzinie AI, ale nie jest jeszcze modelem, który większość zespołów może wdrożyć komercyjnie, a kilka jego bardziej technicznych twierdzeń nie zostało niezależnie zweryfikowanych.

TL;DR. Motif-3-Beta to model mieszany ekspertów (mixture-of-experts) o łącznej liczbie 314 miliardów parametrów, z czego 13 miliardów jest aktywnych, stworzony przez Motif Technologies – spółkę zależną południowokoreańskiego Moreh, zatrudniającą około 30 osób. Został zbudowany w ramach krajowego programu suwerennej AI „Dokpamo”. Osiąga wskaźnik Artificial Analysis Intelligence Index na poziomie 44 – trzecie miejsce wśród modeli open-source na świecie, za Kimi K3 oraz GLM-5.2, a 11. miejsce ogólnie. Wagi można pobrać z Hugging Face na licencji badawczej do użytku niekomercyjnego; darmowy czat jest dostępny na stronie chat.motiftech.io; na razie nie ma publicznej ceny API. Ostateczna wersja spodziewana jest na początek sierpnia 2026 roku, a dla samego modelu nie opublikowano jeszcze wyników MMLU, GPQA ani HumanEval.

Najważniejsze wnioski

• Debiut #3 open-source od małego zespołu. AAII 44 plasuje Motif-3-Beta na trzecim miejscu wśród modeli open-source/open-weight — za Kimi K3 i GLM-5.2 — oraz na 11. miejscu ogólnie wśród zamkniętych laboratoriów granicznych, według doniesień prasowych powołujących się na Artificial Analysis.

• Duży model, efektywna aktywacja. ~314B całkowitych parametrów, ale tylko ~13B aktywnych na token, poprzez 384 ekspertów routingu (8 aktywnych plus 1 współdzielony) — współczynnik rzadkości zbudowany dla opłacalnego wnioskowania mimo ogólnego rozmiaru modelu.

• Wciąż wersja Beta, wciąż niekomercyjna. To jest punkt kontrolny w wersji podglądowej; wersja końcowa jest planowana mniej więcej na początek sierpnia 2026. Wagi są udostępnione na Hugging Face, ale na licencji badawczej niekomercyjnej — krok wstecz w porównaniu z warunkami Apache 2.0 poprzednika Motif-2.

• Koreański flagowy kandydat suwerennej AI.Zbudowany w ramach krajowego programu „Dokpamo” (Niezależny Podstawowy Model AI), korzystający z rządowych procesorów graficznych B200, i reklamowany jako niezależna architektura bez obcej bazy open-source.

• Skoncentrowany na języku koreańskim, kontekst 256K. Trenowany na dedykowanym korpusie pretreningowym języka koreańskiego o wielkości ~106 GB, z oknem kontekstu o długości 256K tokenów — pozycjonowany jako model tekstowo-konwersacyjny, a nie multimodalny.

• Nie opublikowano jeszcze żadnych standardowych benchmarków. Nie opublikowano jeszcze wyników MMLU, GPQA, HumanEval ani KMMLU dla samego Motif-3, a jego twierdzenia dotyczące niestandardowej architektury są niezweryfikowaną terminologią dostawcy.

Dane AAII 44 / #3-open-source / #11-overall w tym artykule pochodzą z relacji prasowych cytujących Artificial Analysis oraz karty modelu na Hugging Face, a nie z bezpośredniego, niezależnie zweryfikowanego odczytu na żywo ze strony Artificial Analysis — należy traktować je jako orientacyjne, a nie dokładne w tej chwili. Motif-3-Beta jest, jak wskazuje nazwa, wersją Beta: benchmarki, licencjonowanie i ceny mogą jeszcze ulec zmianie przed ostatecznym wydaniem. Licencja na Hugging Face ma charakter wyłącznie niekomercyjny do celów badawczych. Żadne wyniki MMLU, GPQA, HumanEval ani KMMLU dla Motif-3 nie zostały opublikowane przez żadne źródło w chwili pisania tego tekstu.

Czym jest Motif-3 (Beta)

Motif Technologies to koreańskie laboratorium AI, które wydzieliło się z Moreh, firmy lepiej znanej z oprogramowania do infrastruktury AI i wirtualizacji procesorów graficznych. Założona w lutym 2025 roku, zatrudniająca około 30 pracowników i dysponująca rundą serii B o wartości około 24 miliardów wonów (około 16 milionów dolarów), Motif jest małą firmą jak na standardy twórców modeli granicznych – większość konkurentów w tym poziomie benchmarków ma zespoły inżynieryjne o rząd wielkości większe. Firmą kieruje dyrektor generalny Lim Jeong-hwan, a Motif-3-Beta to jej najbardziej ambitne jak dotąd wydanie, następujące po mniejszym modelu Motif-2.6B.

Architektonicznie Motif-3-Beta to rzadki model dużego języka mieszanki ekspertów (MoE) z około 314 miliardami parametrów ogółem, z czego tylko około 13 miliardów jest aktywnych dla danego tokena. Routing przebiega przez 384 routowanych ekspertów, z czego 8 jest aktywnych na token plus 1 współdzielony ekspert. Model posiada okno kontekstowe o wielkości 256 tys. tokenów, ukryty wymiar 4096, 53 warstwy transformera, słownik 220 160 tokenów i jest dostarczany w precyzji bf16. Jest to model tekstowo-konwersacyjny – nie deklaruje możliwości obrazu, audio ani wideo – i jest celowo skoncentrowany na języku koreańskim, trenowany częściowo na dedykowanym korpusie (wewnętrznie nazywanym motif-3-korean-pt-v0) o wielkości około 106 GB tekstu koreańskiego.

Status ma tutaj równie duże znaczenie jak specyfikacja. Motif-3-Beta jest wyraźnie wersją podglądową, a nie ukończonym modelem – Motif zapowiedział, że finalna wersja planowana jest mniej więcej na początek sierpnia 2026 roku. Wagi są otwarte i dostępne do pobrania z Hugging Face, ale na licencji badawczej do celów niekomercyjnych, co oznacza, że wykorzystanie produkcyjne lub generujące przychody nie jest dozwolone na obecnych warunkach. To znacząca zmiana w stosunku do poprzedniego wydania firmy, Motif-2, które było udostępniane na w pełni permisywnej licencji Apache 2.0. Istnieje darmowy interfejs czatu na stronie chat.motiftech.io dla każdego, kto chce wypróbować model bez pobierania go, ale nie ma jeszcze publicznych cen API, organizacji GitHub dla projektu ani artykułu Motif-3 na arXiv opisującego architekturę w sposób podlegający recenzji – wszystko to są typowe braki dla wersji Beta, ale warto o nich wiedzieć, zanim zaplanuje się prace w oparciu o ten model.

Hook AAII: dogłębna analiza benchmarku

Głównym powodem, dla którego {{1}}Motif-3-Beta{{/1}} przyciąga uwagę poza Koreą, jest jedna niezależna liczba: wynik indeksu Artificial Analysis Intelligence Index (AAII) wynoszący {{2}}44{{/2}}. Według doniesień prasowych powołujących się na Artificial Analysis, plasuje to model na trzecim miejscu wśród modeli open‑source i open‑weight na całym świecie — za {{KEEP}}{{3}}Kimi K3 and GLM-5.2{{/3}}{{/KEEP}} — oraz na 11. miejscu w rankingu ogólnym, gdy uwzględni się zamknięte, autorskie modele graniczne. Dla 30‑osobowego zespołu, który istnieje od około półtora roku, znalezienie się w globalnej czołówce trzech najlepszych modeli open‑source w neutralnym, zewnętrznym indeksie to w pełni zasłużony wynik, a zarazem najwyraźniejszy jak dotąd dowód na to, że podejście Motif jest konkurencyjne, a nie tylko ambitne.

To powiedziawszy, ta liczba zasługuje na konkretne zastrzeżenie: pochodzi z doniesień prasowych i własnej karty Hugging Face modelu, która powołuje się na Artificial Analysis, a nie z bezpośredniego, świeżo zweryfikowanego odczytu na żywo z tablicy liderów Artificial Analysis w momencie pisania. Rankingi AA zmieniają się w miarę dodawania nowych modeli i ponownego oceniania istniejących, dlatego traktuj AAII 44 / #3-open-source / #11-overall jako migawkę, którą należy sprawdzić na stronie na żywo przed zacytowaniem jako aktualny fakt w jakiejkolwiek dalszej decyzji.

Własna dokumentacja Motif opisuje również kilka niestandardowych komponentów architektonicznych: „Grouped Differential Latent Attention (GDLA)”, „Grouped PolyNorm activation” oraz mechanizm „modified mHC”. Są to terminy ukute przez dostawcę i w chwili pisania tego tekstu nie są one szczegółowo zdefiniowane w karcie modelu ani nie były niezależnie ocenione ani recenzowane — nie ma jeszcze artykułu Motif-3 na arXiv. Rozsądnie jest postrzegać je jako interesujący sygnał, że Motif zbudował własną architekturę, zamiast rozwidlać istniejącą otwartą bazę, ale nie należy traktować ich jako udowodnionych przewag wydajnościowych, dopóki nie pojawi się niezależna analiza.

Ważne jest również, aby być szczerym co do tego, czego brakuje: dla samego Motif 3 nie opublikowano wyników MMLU, GPQA, HumanEval ani KMMLU. To prawdziwa luka w porównaniu z bardziej uznanymi otwartymi modelami, które zazwyczaj publikują pełną baterię standardowych benchmarków akademickich wraz z każdym złożonym wskaźnikiem. Dopóki Motif nie uzupełni tego obrazu – prawdopodobnie około ostatecznej premiery na początku sierpnia 2026 roku – wskaźnik AAII sam w sobie wykonuje dużą część pracy ewaluacyjnej i należy go odczytywać jako „obiecujący wczesny sygnał”, a nie „kompleksowo porównany model”.

Kontekst dotyczący modeli sklasyfikowanych powyżej niego: Kimi K3 od Moonshot ma AAII około 57 (w pierwszej czwórce ogólnie) i zajmuje #1 miejsce w Frontend Code Arena, zbudowany jako około 2,8T-parametrowy MoE w cenie 3/15 dolarów za milion tokenów — silny, ale podobno powolny i rozwlekły, z obiecanymi otwartymi wagami, ale jeszcze w pełni niepotwierdzonymi. GLM-5.2 od Z.ai/Zhipu osiąga AAII na poziomie 51 i zajmuje #1 miejsce w kategorii open-weight-overall, jest to około 750B/40B MoE wydany na w pełni permisywnej licencji MIT, możliwy do samodzielnego hostowania, w cenie 1,40/4,40 dolarów za milion tokenów. Oba modele przewyższają dziś Motif-3-Beta w indeksie open-source, co stanowi użyteczny kontekst: „trzeci na świecie” wśród otwartych modeli to naprawdę mocny wynik, ale to odległe trzecie miejsce za dwoma modelami, które są zarówno większe pod względem dojrzałości wdrożeniowej, jak i – w przypadku GLM-5.2 – znacznie bardziej otwarte pod względem warunków licencyjnych.

Dostęp i ceny

Praktyczne zapoznanie się z Motif-3-Beta dzisiaj oznacza jedną z dwóch ścieżek. Pierwsza to pobranie otwartych wag bezpośrednio z Hugging Face i samodzielne hostowanie modelu — ale wyłącznie do celów badawczych niekomercyjnych, zgodnie z obecnymi warunkami licencji; w tej wersji Beta nie ma zgody na użycie komercyjne, co wyklucza jej wdrożenie produkcyjne niezależnie od wyników benchmarków. Druga ścieżka to darmowy interfejs czatu Motif hostowany na chat.motiftech.io, który pozwala każdemu wypróbować model w przeglądarce bez pobierania ani hostowania czegokolwiek.

Obecnie nie ma publicznego API z opublikowanymi cenami za token — znaczący brak, jeśli oceniasz ten model w porównaniu z konkurencyjnymi API, takimi jak Kimi K3 (3$/15$ za milion tokenów) czy GLM-5.2 (1.40$/4.40$ za milion tokenów), które oba pozwalają oszacować koszty na dużą skalę już dziś. Dopóki Motif nie opublikuje cen API (prawdopodobnie powiązanych z ostateczną, nie-beta wersją), wszelkie porównanie kosztów z tymi modelami jest koniecznie niekompletne. Na razie praktyczne opcje to: wypróbuj za darmo przez chat.motiftech.io lub hostuj samodzielnie otwarte wagi wyłącznie do niekomercyjnych badań.

Historia koreańskiego suwerennego AI

Motif-3-Beta to nie tylko premiera produktu jednej firmy — to widoczny punkt danych w dążeniu Korei Południowej do tego, co nazywa się suwerenną sztuczną inteligencją: zdolnością do budowania i kontrolowania modeli na poziomie granicznym we własnym kraju, zamiast całkowitego polegania na amerykańskich lub chińskich modelach fundamentalnych. Motif-3 jest rozwijany w ramach rządowej inicjatywy „Niezależny Model AI Fundamentalnego”, określanej w koreańskiej prasie mianem „Dokpamo”, która jednocześnie finansuje kilka konkurencyjnych projektów — w tym linię EXAONE od LG AI Research, modele Solar od Upstage oraz własne programy AI SK Telecom. Motif-3 jest jednym z najuważniej obserwowanych uczestników tego pola, częściowo ze względu na szybkość, z jaką został zbudowany.

Według doniesień, model był trenowany przy użyciu około 700–768 dostarczonych przez rząd kart graficznych Nvidia B200, a główny cykl rozwojowy trwał około pięciu miesięcy – to szybki harmonogram jak na model o 314 miliardach parametrów, nawet biorąc pod uwagę efektywność 13 miliardów aktywnych parametrów wynikającą z architektury MoE. Motif podkreśla, że jest to niezależna architektura, bez obcego otwartego oprogramowania u podstaw, co jest powodem do dumy zarówno narodowej, jak i technicznej: celem programu Dokpamo jest nie tylko „dobry model”, ale model zbudowany od początku do końca z wykorzystaniem krajowych wyborów architektonicznych, a nie dostrojona lub pochodna wersja istniejącego amerykańskiego lub chińskiego wydania o otwartych wagach.

To ramowanie wydajności — 13B aktywnych na 314B parametrów ogółem — jest również zamierzonym kontrastem z historią samego Motif. Wcześniejszy model firmy, Motif-2.6B, był trenowany na procesorach graficznych AMD MI250, a nie na sprzęcie Nvidii, co odzwierciedla szersze zainteresowanie Moreh elastycznością infrastruktury GPU. Oglądane razem, Motif-2.6B i Motif-3-Beta opowiadają spójną historię małego zespołu optymalizującego twardo pod kątem efektywności obliczeniowej — najpierw przez wybór sprzętu, teraz przez rzadkie routowanie MoE — co jest prawdopodobnie bardziej przenoszalną umiejętnością dla ograniczonego zasobowo krajowego programu AI niż samo skalowanie liczby parametrów.

Dla kogo to jest: trzy scenariusze

1. Badacze języka koreańskiego i zespoły NLP

Dedykowany koreański korpus do pretreningu Motif-3-Beta sprawia, że jest on naturalnym kandydatem dla zespołów akademickich i badawczych pracujących konkretnie nad zadaniami NLP w języku koreańskim — oceną, eksperymentami z dostrajaniem (fine-tuning) lub badaniami porównawczymi z innymi modelami skoncentrowanymi na języku koreańskim, takimi jak LG's EXAONE czy Upstage's Solar. Ponieważ licencja zezwala na niekomercyjne wykorzystanie badawcze, jest to dokładnie przypadek użycia, dla którego została napisana: pobierz wagi, przeprowadź własne oceny i traktuj model jako naprawdę nowy, niezależnie zaprojektowany punkt danych w badaniach nad modelami języka koreańskiego.

2. Zespoły śledzące granice open-source

Jeśli częścią Twojej pracy jest śledzenie, w jakim kierunku zmierza wyścig modeli open-weight, Motif-3-Beta jest wart przyjrzenia się wyłącznie jako sygnał: trzecie miejsce wśród globalnych modeli open-source, osiągnięte przez 30-osobowy zespół w ciągu około pięciu miesięcy na krajowej alokacji obliczeniowej, mówi coś o tym, jak architektury MoE oszczędzające moc obliczeniową obniżają próg do osiągnięcia konkurencyjnych wyników. Wypróbuj go przez darmowy interfejs chat.motiftech.io, aby poczuć jego działanie, i miej oko na finalną wersję na początku sierpnia 2026 roku, kiedy powinny pojawić się pełniejszy zestaw benchmarków i (prawdopodobnie) zaktualizowane warunki licencji.

3. Analitycy polityki i przemysłu śledzący programy suwerennej sztucznej inteligencji

Dla każdego, kto śledzi krajowe strategie AI — jak rządy poza USA i Chinami próbują budować niezależne zdolności w zakresie AI — Motif-3 jest użytecznym konkretnym studium przypadku koreańskiego programu Dokpamo w działaniu: alokacja GPU przez rząd, mała prywatna firma, wyraźne stwierdzenie o architekturze „bez zagranicznej bazy open-source” oraz pięciomiesięczny cykl budowy. Stoi obok LG AI Research EXAONE i Upstage Solar jako jeden z kilku równoległych wysiłków, a porównanie ich odpowiednich podejść, wyborów licencyjnych i trajektorii benchmarków stanowi rozsądną soczewkę do zrozumienia, jak finansowanie suwerennej AI przekłada się na rzeczywiste wyniki modeli.

Kiedy nie używać

Nie wdrażaj Motif-3-Beta w żadnym komercyjnym ani dochodowym produkcie — obecna licencja Hugging Face wyraźnie zezwala jedynie na niekomercyjne badania naukowe, a użycie go w produkcji stanowiłoby naruszenie licencji, a nie tylko ryzyko. Nie traktuj wartości AAII 44 jako w pełni zweryfikowanego, ostatecznego wyniku benchmarku: pochodzi on z prasy i karty samego modelu, a nie ze świeżego, bezpośredniego odczytu z live'owego rankingu Artificial Analysis, i prawdopodobnie ulegnie zmianie zanim finalna wersja zostanie wydana. Nie polegaj na tym modelu w zadaniach wymagających standardowego, dobrze udokumentowanego pokrycia benchmarkami — nie ma jeszcze opublikowanych wyników MMLU, GPQA, HumanEval ani KMMLU, z którymi można by porównać swój przypadek użycia. I nie oczekuj dzisiaj dostępu do API na poziomie produkcyjnym: nie ma publicznych cen API, organizacji GitHub ani recenzowanej publikacji architektury, a wszystkie te elementy warto poczekać, zanim zbudujesz coś więcej niż prototyp badawczy na bazie Motif-3.

Często zadawane pytania

Co to jest Motif-3-Beta?

To rzadki model dużego języka o mieszance ekspertów od Motif Technologies, koreańskiego laboratorium AI i spółki zależnej Moreh. Ma około 314 miliardów parametrów całkowitych, z czego około 13 miliardów aktywnych na token, okno kontekstowe 256 tys. tokenów i został wytrenowany na dedykowanym korpusie języka koreańskiego. Obecnie jest to punkt kontrolny beta/wersja preview, a nie gotowe wydanie.

Jak naprawdę dobry jest Motif-3-Beta?

Według jednej niezależnej miary — Artificial Analysis Intelligence Index — uzyskuje 44 punkty, co według doniesień prasowych plasuje go na trzecim miejscu wśród globalnych modeli open-source (za Kimi K3 i GLM-5.2) i na 11. miejscu ogólnie. To mocny wczesny wynik, ale nie opublikowano jeszcze wyników MMLU, GPQA, HumanEval ani KMMLU dla tego modelu, więc pełny obraz jest niekompletny.

Czy mogę używać Motif-3-Beta komercyjnie?

Nie zgodnie z obecną licencją. Wagi Hugging Face są udostępniane wyłącznie do niekomercyjnych badań naukowych. To krok wstecz w porównaniu z w pełni permisywną licencją Apache 2.0 używaną przez poprzedni model, Motif-2, i stanowi twarde ograniczenie dla jakiegokolwiek użycia produkcyjnego obecnie.

Ile kosztuje korzystanie?

Nie ma jeszcze publicznych cen API. Możesz wypróbować model za darmo na interfejsie chat.motiftech.io lub samodzielnie hostować otwarte wagi do badań niekomercyjnych. Ceny i warunki komercyjne mogą zostać wprowadzone wraz z ostateczną wersją.

Czy to naprawdę niezależna koreańska architektura?

To twierdzenie Motifu i wpisuje się w szerszy cel koreańskiego narodowego programu suwerennej AI „Dokpamo” — architektury bez obcej otwartej podstawy źródłowej. Model opisuje własne komponenty („Grouped Differential Latent Attention,” „Grouped PolyNorm activation,” zmodyfikowany mechanizm „modified mHC”), ale są to terminy opisane przez dostawcę, które nie zostały jeszcze szczegółowo opisane w artykule ani niezależnie zrecenzowane.

Kiedy wyjdzie ostateczna wersja?

Motif wskazał, że ostateczna, nie-beta wersja jest planowana mniej więcej na początek sierpnia 2026 roku. Wtedy spodziewajcie się zaktualizowanych benchmarków oraz ewentualnie zaktualizowanych licencji i cen.

Jak wypada w porównaniu z Kimi K3 i GLM-5.2?

Obecnie oba plasują się wyżej niż Motif-3-Beta w indeksie open-source Artificial Analysis — Kimi K3 około AAII 57, a GLM-5.2 na AAII 51, podczas gdy Motif-3-Beta ma 44. GLM-5.2 ma również bardziej liberalną licencję MIT i opublikowane dziś ceny API (1,40 USD / 4,40 USD za milion tokenów), czego Motif-3-Beta jeszcze nie oferuje.

Czy powinienem dzisiaj użyć Motif-3-Beta?

Używaj go, jeśli prowadzisz badania NLP w języku koreańskim, śledzisz wyścig modeli open-source lub studiujesz politykę suwerennej sztucznej inteligencji — wszystkie przypadki użycia, które dobrze wspierają licencja niekomercyjna i darmowy interfejs czatu. Poczekaj na ostateczną wersję, z pełniejszymi benchmarkami i jaśniejszymi warunkami komercyjnymi, zanim zbudujesz cokolwiek poza prototypem badawczym.

Sedno sprawy

Motif-3-Beta to naprawdę znaczący wynik: 30-osobowy koreański zespół, finansowany w ramach krajowego programu suwerennej sztucznej inteligencji, zajmujący trzecie miejsce wśród globalnych modeli open-source w niezależnym indeksie po około pięciu miesiącach rozwoju. Jednak „Beta” i „niekomercyjny” nie są tu jedynie przypisami marketingowymi – to dwa fakty, które decydują o tym, czy ten model jest dziś użyteczny dla Twoich celów. Jako artefakt badawczy i jako sygnał wskazujący, dokąd zmierzają efektywne architektury MoE oraz krajowe programy AI, warto go uważnie obserwować. Jako model produkcyjny jeszcze nie jest gotowy – zajrzyj ponownie około wczesnego sierpnia 2026 roku, gdy pojawi się ostateczne wydanie, aby uzyskać pełniejszy obraz.