Motif-3-Base: Model fundamentalny na licencji MIT, który Motif Technologies udostępniło bez zapowiedzi

Historia finalnego wydania Motif-3 przez Motif Technologies to opowieść o różnicy między zapowiedzią a publikacją. Firma obiecała na początek sierpnia odsłonięcie swojego finalnego modelu — następcy wersji zapoznawczej Motif-3-Beta, którą wypuściła 14 lipca. To, co faktycznie się wydarzyło — sprawdzone 10 sierpnia — było mniej nagłośnione: trzy nowe repozytoria pojawiły się w przestrzeni nazw Motif-Technologies na Hugging Face bez postu ogłoszeniowego, notki prasowej ani niczego na motiftech.io — Motif-3-Base, wstępnie wytrenowany checkpoint bazowy o około 314 miliardach parametrów, wydany obecnie na licencji MIT; Motif-3, dostrojony pod kątem instrukcji model siostrzany, do którego odnosi się ta karta; oraz Motif-3-NVFP4, skwantowany wariant dla maszyn, które nie pomieszczą pełnej wersji.

Wszystko poniżej jest odczytane bezpośrednio z tych repozytoriów, zweryfikowane krzyżowo z tym, co Motif Technologies już opublikowało, i celowo podzielone na to, co repozytorium faktycznie nam mówi, i to, co wciąż nie jest potwierdzone. Nagłówek jest prawdziwy w każdym razie: finalna rodzina Motif-3 jest wydana, otwarte wagi, licencja MIT, a dostawca nie powiedział o tym ani słowa.

Krótka wersja

Podstawowy checkpoint flagowego projektu Korei w zakresie suwerennego AI jest dziś dostępny do pobrania na licencji MIT, bez konieczności składania wniosku o dostęp — co stanowi ulepszenie licencji względem wersji Beta, która była ograniczona do badań niekomercyjnych.

• Motif-3-Base nie jest modelem czatu. Nie ma szablonu czatu, nie był dostrajany do instrukcji ani dopasowywany do preferencji i jest przeznaczony do dostrajania, kontynuowanego pretreningu oraz badań.

• Dostrojony pod kątem instrukcji Motif-3 znajduje się obok niego w siostrzanym repozytorium, o tej samej architekturze, na tej samej licencji MIT, i zawiera zestaw benchmarków, na podstawie których firma będzie oceniana.

• Nikt jeszcze nie udostępnia żadnego z tych trzech modeli do inferencji — karty modeli jasno stwierdzają, że żaden dostawca inferencji ich nie wdraża — więc uruchomienie ich oznacza samodzielne hostowanie na solidnym sprzęcie.

• Czego nie potwierdzono: oficjalnego ogłoszenia, niezależnego odtworzenia nowatorskiego bloku uwagi Motif, żadnych niezależnych testów porównawczych bazowych wag, ani tego, gdzie w związku z tym sytuuje się rodzina względem lipcowej zapowiedzi, która uzyskała 45 w Artificial Analysis Intelligence Index.

Co się stało, po kolei

Harmonogram ma znaczenie, ponieważ to on odróżnia „nowy model” od „ten już był dostępny”. Beta checkpoint modelu Motif-3 został wydany 14 lipca 2026 jako pośrednia zapowiedź — sama karta ostrzegała, że nie jest to finalne wydanie. 21 lipca, po tym jak wersja zapoznawcza zdobyła wynik w Artificial Analysis, Motif Technologies zyskała rozgłos w koreańskiej prasie jako pierwszy sukces krajowego programu „Dokpamo” dotyczącego suwerennych modeli bazowych, a jej dyrektor generalny powiedział dziennikarzom, że finalna wersja pojawi się na początku sierpnia. 4 sierpnia The Herald Business poinformował, że firma składa finalny model Motif-3 oraz raport wydajności do koreańskiego Ministerstwa Nauki i ICT w ramach drugiej oceny programu.

Następnie, około 10 sierpnia, zgłoszenie stało się publiczne: Motif-Technologies/Motif-3-Base, Motif-Technologies/Motif-3 oraz Motif-Technologies/Motif-3-NVFP4 pojawiły się na Hugging Face w odstępie kilku minut (repozytoria pokazywały „zaktualizowane kilka minut temu”, gdy sprawdzano je tego dnia). To właśnie to wydarzenie omawia ten artykuł. To prawdziwe wydanie — nowe wagi, nowa licencja, nowe pliki — o którym nikt nie został poinformowany.

Co faktycznie zawiera repozytorium Motif-3-Base

Karta modelu jest precyzyjna co do tego, czym jest, a czym nie jest. Motif-3-Base to „podstawowy pretrenowany checkpoint modelu Motif 3", model typu decoder-only z architekturą mixture-of-experts, z około 314 miliardami parametrów łącznie i 13,2 miliarda aktywowanych na token, trenowany na około 12,5 biliona tokenów. Nie przeszedł on „nadzorowanego dostrajania, uczenia przez wzmacnianie ani dopasowania do preferencji/bezpieczeństwa", jest dostarczany „bez szablonu czatu" i jest przeznaczony do dalszego dostrajania, kontynuowania pretreningu i badań — do używania w trybie dokańczania tekstu. Model dostrojony pod instrukcje jest wyraźnie wskazany jako osobne repozytorium: Motif-Technologies/Motif-3.

Architektura jest w pełni autorskim projektem Motif, a karta mówi o tym wprost:

• 53 warstwy — dwie gęste i 51 mieszanin ekspertów — o ukrytym rozmiarze 4096.

• 384 routowanych ekspertów z top-8 aktywnymi na token, plus jeden wspólny ekspert.

• {{1}}Grouped Differential Latent Attention (GDLA){{/1}}, {{2}}nazwa Motif dla połączenia grupowanej uwagi różnicowej ze skompresowaną konstrukcją klucz-wartość, które wykorzystuje 80 głowic zapytań i 16 głowic klucz-wartość.{{/2}}

• Specyficzne dla eksperta PolyNorm zamiast zwykłego bramkowania SiLU oraz zmodyfikowany strumień rezydualny z hiperpołączeniami ograniczonymi rozmaitościowo.

• Natywny kontekst 262 144 tokenów (256K) i słownik 220 160 tokenów, w formacie bfloat16.

Do karty dołączone są dwie praktyczne uwagi. Po pierwsze, model używa niestandardowego kodu, więc wczytanie go przez Hugging Face Transformers wymaga trust_remote_code=True. Po drugie, zalecana ścieżka serwowania to vLLM w wersji beta, przez obraz Dockera specyficzny dla Motif, przetestowany na kartach NVIDIA B200 i H200 — a SGLang i Docker Model Runner są dodatkowymi obsługiwanymi trasami.

Zmiana licencji, która liczy się bardziej niż specyfikacja

Najważniejszym faktem w tej wersji nie jest liczba parametrów. Lipcowa wersja zapoznawcza, Motif-3-Beta, została opublikowana na licencji wyłącznie do celów badawczych, która wyraźnie zabraniała wykorzystania komercyjnego bez pisemnej zgody Motif Technologies. Zarówno Motif-3-Base, jak i jego siostrzany model Motif-3 są wydawane na licencji MIT.

To jest różnica między modelem, który laboratorium może badać, a modelem, na którym firma może zbudować produkt. Dostawca dostrajania, przedsiębiorstwo oceniające koreańskojęzyczny stack technologiczny czy startup, który chce kontynuować pretrenowanie na linii 12,5 biliona tokenów — wszyscy mogą to zrobić bez konieczności dzwonienia w sprawie licencji do Seulu. Biorąc pod uwagę, że cała komercyjna oferta Motif opiera się na suwerennej, wewnętrznej AI — firma jest jednym z czterech zespołów w koreańskim narodowym programie modeli podstawowych, obok LG AI Research, Upstage i SK Telecom — licencja MIT na wagi bazowe to najbardziej proadopcyjny ruch, jaki firma dotąd wykonała.

Warto również jasno powiedzieć, czego MIT nie zmienia: licencjonuje wagi, a nie markę, i nic w karcie nie przyznaje praw do znaków towarowych Motif ani nazwy „Motif”. W przypadku modelu bazowego, który będzie głównie dostrajany, licencja jest praktycznym kluczem; reszta to formalność.

Wyniki na karcie i kto je zmierzył

Karta modelu bazowego zawiera krótki wiersz ewaluacyjny: MMLU 86.20, GSM8K 93.93, MATH 70.58, HumanEval 73.70 i MBPP 84.60. To własne liczby Motifa, zmierzone przez Motifa, niereprodukowane, i opisują niedostrojony punkt kontrolny — więc traktuj je jako podłogę, od której zaczyna się dostrajanie, a nie jako stwierdzenie o modelu, który byś wdrożył. Flagowe benchmarki znajdują się w instrukcyjnie dostrojonym odpowiedniku Motif-3 i również są one raportowane przez producenta: τ²-Bench Telecom 94.7, SWE-Bench Verified 76.2, Terminal-Bench 2.1 74.9, GPQA Diamond 83.4 oraz wynik braku halucynacji 71.6 na OmniScience.

Jedyny niezależny wynik w publicznej historii rodziny dotyczy wersji Beta, a nie tych nowych plików. Artificial Analysis umieszcza Motif 3 (Beta) na poziomie 45 w Artificial Analysis Intelligence Index — rankingu, który koreańska prasa podczas lipcowej oceny opisała jako stawiający wersję zapoznawczą na równi z DeepSeek V4 Pro, na trzecim miejscu wśród modeli o otwartych wagach na świecie za Kimi K3 i GLM-5.2 oraz na pierwszym miejscu wśród modeli spoza Stanów Zjednoczonych i Chin. Nic niezależnego nie zmierzyło dotychczas podstawowych wag ani finalnego modelu instruowanego, a nowe repozytoria nie zostały dodane do katalogu Artificial Analysis w chwili pisania tego tekstu.

Co wciąż nie jest potwierdzone

Warto precyzyjnie określić granicę między faktami dotyczącymi repozytorium a otwartymi pytaniami, ponieważ to wydanie nie ma oficjalnego oświadczenia, do którego można by się odnieść.

• Brak ogłoszenia. Na dzień 10 sierpnia motiftech.io nie zawiera żadnych wiadomości o finalnym wydaniu, a żaden post o premierze ani komunikat prasowy nie pojawił się. Repozytoria są tym ogłoszeniem.

• „Final" nie jest nigdzie wydrukowane. Karta Motif-3-Base przedstawia się jako bazowy checkpoint; nie widnieje na niej napis „final release", a nie potwierdzono formalnie, że te pliki są finalnym checkpointem ze „zwiększoną wydajnością", obiecanym przez wersję Beta — choć moment wydania, licencja MIT i zgłoszenie do rządu wskazują na to.

• Brak niezależnej weryfikacji architektury. GDLA, Expert-Specific PolyNorm i zmodyfikowane hiperpołączenia to zastrzeżone projekty Motif i, według lipcowego raportu, nie zostały niezależnie odtworzone. To normalne w przypadku młodego laboratorium, ale oznacza, że twierdzenia o wydajności architektury opierają się na własnych uruchomieniach Motif.

• Brak hostingu u dostawcy i brak wyceny. Wszystkie trzy karty stwierdzają, że żaden dostawca wnioskowania nie wdraża tych modeli, więc nie ma hostowanego API ani żadnej publicznej ceny za token. Nie można jeszcze ustalić, ile ostatecznie będą kosztować modele Motif przez API.

Co jest potrzebne, żeby to faktycznie uruchomić.

Ponieważ nic nie jest hostowane, każdy zespół, który chce korzystać z tych wag, hostuje je samodzielnie. Podstawowy checkpoint w pełnej precyzji to plik bfloat16 o 315 miliardach parametrów, a zalecany sprzęt dla vLLM to klasa B200 lub H200 — co stanowi znaczące zobowiązanie infrastrukturalne, którego większość czytelników nie powinna lekceważyć. Realistycznymi punktami wejścia są skwantyzowany do NVFP4 model Motif-3-NVFP4 dla mniejszego zapotrzebowania na zasoby lub oczekiwanie, aż którykolwiek dostawca inferencji udostępni te modele.

To także miejsce, w którym warstwa routingu udowadnia swoją wartość, nie udając, że może wywołać model, którego nikt nie hostuje. Wartość jednego API obsługującego ponad 200 modeli z automatycznym przełączaniem awaryjnym pojawia się dokładnie w dniu, w którym nowa rodzina, taka jak ta, faktycznie trafia do hostowanego katalogu: wypróbowujesz ją na fragmencie ruchu przez jeden klucz zgodny z OpenAI, przełączasz się na sprawdzony model, gdy ten się potknie, i nigdy nie przebudowujesz architektury, bo integracja jest niezależna od modelu. A ponieważ OrcaRouter przekazuje ceny katalogowe dostawcy wprost, bez narzutu, cena, którą ostatecznie ustali dostawca Motif, jest ceną, którą płacisz tego samego dnia — bez pośredniego cyklu kontraktowego. Dopóki żaden dostawca nie hostuje tych wag, uczciwe podsumowanie brzmi: Motif-3-Base i Motif-3 działają na twoich własnych GPU, a argumentacja na rzecz routingu dotyczy stosu technologicznego, który wokół nich utrzymujesz, a nie wywoływania tej pary już dziś.

Kogo powinno to obchodzić

Trzy grupy powinny zwrócić na to uwagę. Zespoły dostrajające otwarte wagi mają poważną nową opcję: model MoE na licencji MIT z 314 mld parametrów (13,2 mld aktywnych), kontekstem 256K i dobrze udokumentowanym przebiegiem pretreningu, który można wykorzystywać komercyjnie bez kontaktu z dostawcą. Naukowcy pracujący nad nowatorskimi mechanizmami uwagi lub wydajnymi architekturami MoE otrzymują rzadką rzecz — architekturę w skali produkcyjnej z opublikowanymi wagami, zbudowaną od zera, a nie reparametryzację istniejącego otwartego modelu. A każdy, kto śledzi rozwój suwerennej sztucznej inteligencji, dostaje konkretny artefakt stojący za flagowym programem Korei, opublikowany po cichu dwa miesiące po tym, jak zapowiedź firmy trafiła na łamy międzynarodowych mediów.

Grupą, która nie powinna go pobierać, jest każdy, kto chce działającego asystenta czatu. Bez szablonu czatu i bez dopasowania, Motif-3-Base będzie odpowiadać w trybie dopełniania i nie odmówi niczego — o to chodzi w modelu bazowym i dlatego istnieje jego siostrzany model instruct.

Co obejrzeć

Cztery rzeczy zmieniłyby odbiór tej wersji. Oficjalne ogłoszenie, które potwierdziłoby etykietę „final” i postawę komercyjną. Niezależne benchmarki wag bazowych oraz modelu instrukcyjnego, które dałyby rodzinie pierwsze zweryfikowane liczby. Dostawca, który wdroży którykolwiek z trzech – to wydarzenie sprawiłoby, że Motif-3 byłby dostępny przez API, a nie tylko na samodzielnie hostowanych GPU. Oraz wynik drugiej ewaluacji Dokpamo, który ukształtuje to, czy koreański program suwerennych modeli skoncentruje się na tych wagach.

Dopóki któreś z nich nie nadejdzie, trafny opis jest wąski, ale istotny: finalna rodzina Motif-3 jest już na Hugging Face, na licencji MIT i swobodnie do pobrania, a firma, która przez rok była opisywana jako nadzieja Korei na suwerenną sztuczną inteligencję, wypuściła swój najważniejszy dotychczas artefakt — nie mówiąc nikomu, że to zrobiła.