Hero-grafik för Motif-3-Base: ett nedladdningskort för öppna vikter som kopplar ihop tre modellkort märkta Motif-3-Base, Motif-3 och Motif-3-NVFP4, taggade 'inget pressmeddelande' med ett MIT-chip, och spec-chip som visar '314B totalt · 13.2B aktiva', '256K kontext', '384 experter'.
Guides & Insights

Motif-3-Base: Den MIT-licensierade grundmodellen som Motif Technologies släppte utan att tillkännage det

Författare

Jim Song

Publiceringsdatum

Senaste modellerna · 20Visa alla modeller
Benchmarks: Artificial Analysis · uppdateras dagligen
Tillbaka till alla inlägg

Berättelsen om Motif Technologies sista Motif-3-släpp är en berättelse om skillnaden mellan ett tillkännagivande och en publicering. Vad företaget lovade i början av augusti var avtäckningen av sin sista modell – uppföljaren till förhandsversionen av Motif-3-Beta som de släppte den 14 juli. Vad som faktiskt hände, kontrollerat den 10 augusti, var tystare: tre nya repositories dök upp i Motif-Technologies-namnrymden på Hugging Face utan lanseringsinlägg, utan pressnotis och ingenting på motiftech.io – Motif-3-Base, den förtränade grundmodellen med ~314 miljarder parametrar, nu utgiven under MIT-licens; Motif-3, den instruktionsjusterade syskonmodellen som modellkortet avser; och Motif-3-NVFP4, ett kvantiserat minnesfotavtryck för maskiner som inte kan rymma hela modellen.

Allt nedan är direkt avläst från dessa repon, korsgranskat mot vad Motif Technologies redan har publicerat, och medvetet uppdelat i vad repot faktiskt säger oss och vad som fortfarande inte är bekräftat. Rubriken är sann oavsett: den slutgiltiga Motif-3-familjen är ute, med öppna vikter, MIT-licensierad, och leverantören har inte sagt ett ord om det.

Den korta versionen

• Bascheckpointen för Koreas suveräna AI-flaggskepp är nedladdningsbar idag, under MIT-licensen, utan åtkomstbegäran — en licensuppgradering från betaversionen, som var begränsad till icke-kommersiell forskning.

• Motif-3-Base är inte en chattmodell. Den har ingen chattmall, har inte instruktionsfinjusterats eller preferensanpassats, och är avsedd för finjustering, fortsatt förträning och forskning.

Det instruktionsfinjusterade Motif-3 ligger bredvid det i ett syskonrepo, har samma arkitektur och samma MIT-licens, och innehåller benchmarksviten som företaget kommer att bedömas på.

• Ingen hostar någon av de tre för inferens ännu — modellkorten anger tydligt att ingen inferensleverantör distribuerar dem — så att köra dem innebär självhostning på seriös hårdvara.

• Vad som inte är bekräftat: ett officiellt tillkännagivande, något oberoende återskapande av Motifs nya uppmärksamhetsblock, något tredjepartsriktmärke av basvikterna, och var detta lämnar familjen jämfört med juli-förhandsvisningen som fick 45 på Artificial Analysis Intelligence Index.

Vad hände, i ordning

Tidslinjen är viktig, eftersom den är det som skiljer "ny modell" från "den här var redan ute." Betacheckpointen för Motif-3 släpptes den 14 juli 2026, som en mellanliggande förhandsversion — kortet varnade själv för att det inte var den slutgiltiga versionen. Den 21 juli, efter att förhandsversionen hade fått ett resultat på Artificial Analysis, uppmärksammades Motif Technologies i den koreanska pressen som den första framgången för landets "Dokpamo"-program för suveräna grundmodeller, och dess vd berättade för reportrar att den slutgiltiga versionen skulle komma i början av augusti. Den 4 augusti, The Herald Business rapporterade att företaget lämnade in sin slutgiltiga Motif-3 och en resultatrapport till Sydkoreas ministerium för vetenskap och IKT som en del av programmets andra utvärdering.

Sedan, omkring den 10 augusti, blev uppladdningen offentlig: Motif-Technologies/Motif-3-Base, Motif-Technologies/Motif-3 och Motif-Technologies/Motif-3-NVFP4 dök alla upp på Hugging Face inom några minuter från varandra (förråden visade "uppdaterades för minuter sedan" när de kontrollerades den dagen). Det är händelsen som den här artikeln handlar om. Det är en äkta release — nya vikter, ny licens, nya filer — som ingen fick veta om.

Screenshot of the Hugging Face model card for Motif-Technologies/Motif-3-Base, showing it is a pretrained base-model checkpoint of Motif 3 with 315B bfloat16 safetensors, tagged English and Korean, stating 'This model isn't deployed by any Inference Provider,' and describing the 314B-total / 13.2B-active MoE as released for fine-tuning, continued pretraining and research, pointing to Motif-Technologies/Motif-3 for the instruction-tuned model.

Vad Motif-3-Base-repositoriet faktiskt innehåller

Kortet är specifikt med vad det är och vad det inte är. Motif-3-Base är "den grundläggande förtränade kontrollpunkten för Motif 3," en decoder-only-mixture-of-experts-modell med ungefär 314 miljarder totala parametrar och 13,2 miljarder aktiverade per token, tränad på ungefär 12,5 biljoner tokens. Den har "inte genomgått övervakad finjustering, förstärkningsinlärning eller preferens-/säkerhetsanpassning," levereras "utan en chattmall," och är avsedd för ytterligare finjustering, fortsatt förträning och forskning — för att användas i textkompletteringsläge. Den instruktionsjusterade modellen pekas uttryckligen ut som ett separat repository: Motif-Technologies/Motif-3.

Arkitekturen är Motifs helt egen design, och kortet är specifikt om det:

• 53 lager — två täta och 51 mixture-of-experts — med en hidden size på 4 096.

• 384 routade experter med de 8 främsta aktiva per token, plus en delad expert.

• Grupperad differentiell latent uppmärksamhet (GDLA), Motifs namn för att kombinera grupperad differentiell uppmärksamhet med en komprimerad key-value-design, med 80 query-huvuden och 16 key-value-huvuden.

• Expertspecifik PolyNorm i stället för den vanliga SiLU-gatingen, och en modifierad residualström med manifold-begränsade hyper-connections.

En inbyggd kontext på 262 144 tokens (256K) och ett ordförråd på 220 160 tokens, i bfloat16.

Två praktiska anmärkningar medföljer kortet. För det första använder modellen anpassad kod, vilket gör att inläsning via Hugging Face Transformers kräver trust_remote_code=True. För det andra är den rekommenderade serveringsvägen vLLM i beta, via en Motif-specifik Docker-avbildning, testad på NVIDIA B200 och H200 GPU:er – med SGLang och Docker Model Runner som ytterligare stödda rutter.

Licensändringen som betyder mer än specifikationsbladet

Den enskilt viktigaste omständigheten i denna utgåva är inte parametrarnas antal. Juliförhandsversionen, Motif-3-Beta, publicerades under en forskningslicens som uttryckligen förbjöd kommersiell användning utan skriftligt tillstånd från Motif Technologies. Både Motif-3-Base och dess systermodell Motif-3 är utgivna under MIT-licensen.

Det är skillnaden mellan en modell som ett labb kan studera och en modell som ett företag kan bygga en produkt på. En leverantör av finjustering, ett företag som utvärderar en koreanskspråkig stack eller en startup som vill fortsätta förträna på en modellinje med 12,5 biljoner token kan alla göra det utan att behöva kontakta Seoul för en licens. Med tanke på att Motifs hela kommersiella koncept vilar på suverän, intern AI — företaget är ett av fyra team i Koreas nationella grundmodellprogram, tillsammans med LG AI Research, Upstage och SK Telecom — är MIT-licensen på basvikterna det mest adoptionsvänliga drag företaget har gjort.

Det är också värt att tydligt säga vad MIT inte ändrar: det licensierar vikterna, inte varumärket, och ingenting i kortet ger rättigheter till Motifs varumärken eller namnet "Motif". För en basmodell som huvudsakligen kommer att finjusteras är licensen den praktiska upplåsningen; resten är pappersarbete.

Scoreboard card for Motif-3-Base: MIT license (Beta was non-commercial), 314B total / 13.2B active params, 256K context (262,144 tokens), 384 routed experts (top-8) plus 1 shared, ~12.5T pretraining tokens, and vendor base evals MMLU 86.2 and GSM8K 93.9, with a footer noting all figures are from the model card and vendor-reported, unreproduced.

Poängen på kortet, och vem som mätte dem

Basmodellkortet har en kort utvärderingsrad: MMLU 86.20, GSM8K 93.93, MATH 70.58, HumanEval 73.70 och MBPP 84.60. Dessa är Motifs egna siffror, mätta av Motif, ej reproducerade, och de beskriver den otrimmade checkpointen — så behandla dem som ett golv för vad finjustering utgår från, inte som ett påstående om den modell du skulle driftsätta. Den instruktionsfinjusterade syskonmodellen Motif-3 är där huvudbenchmarkerna finns, och de är också leverantörsrapporterade: τ²-Bench Telecom 94.7, SWE-Bench Verified 76.2, Terminal-Bench 2.1 74.9, GPQA Diamond 83.4 och ett icke-hallucinationsresultat på 71.6 i OmniScience.

Det enda oberoende resultatet i familjens offentliga historik är på Beta, inte dessa nya filer. Artificial Analysis listar Motif 3 (Beta) på 45 i Artificial Analysis Intelligence Index — den ranking som den koreanska pressen, vid sin juliutvärdering, beskrev som att förhandsversionen ligger i nivå med DeepSeek V4 Pro, trea globalt bland öppna viktmodeller bakom Kimi K3 och GLM-5.2, och först bland modeller från länder utanför USA och Kina. Ingen oberoende part har ännu mätt basvikterna eller den slutliga instruktionsmodellen, och de nya repositories har inte lagts till i Artificial Analysis katalog i skrivande stund.

Screenshot of the Artificial Analysis page for Motif 3 (Beta), showing an Intelligence Index score of 45 (ranked #45 of 595), .00 input and output price per 1M tokens (ranked #1), a 262k context window, release date July 2026, the label 'Proprietary model', and speed listed as N/A.

Vad är fortfarande inte bekräftat

Det är värt att vara precis när det gäller gränsen mellan repo-fakta och öppna frågor, eftersom detta är en release utan något officiellt uttalande att stämma av mot.

Inget tillkännagivande. Från och med den 10 augusti har motiftech.io inga nyheter om den slutliga utgåvan, och inget lanseringsinlägg eller pressmeddelande har dykt upp. Repositoryerna är tillkännagivandet.

"Final" står inte tryckt någonstans. Motif-3-Base-kortet presenterar sig som bascheckpointen; det står inte "final release", och Betans löfte om en slutgiltig checkpoint med "förbättrad prestanda" har inte formellt bekräftats vara dessa filer – även om tajmingen, MIT-licensen och regeringsinlämningen alla pekar i den riktningen.

Ingen oberoende verifiering av arkitekturen. GDLA, Expert-Specific PolyNorm och de modifierade hyperkopplingarna är Motifs egenutvecklade designer och hade, vid täckningen i juli, inte oberoende reproducerats. Det är normalt för ett ungt labb, men det innebär att arkitekturens effektivitetspåståenden vilar på Motifs egna körningar.

Ingen provider-hosting och ingen prissättning. Alla tre korten anger att ingen inferensleverantör distribuerar modellerna, så det finns inget hostat API och inget offentligt pris per token någonstans. Vad Motifs modeller så småningom kommer att kosta via ett API är ännu inte känt.

Vad som krävs för att faktiskt köra det.

Eftersom ingenting är hostat, får varje team som vill ha dessa vikter hosta själva. Bascheckpunkten i full precision är en bfloat16-fil med 315B parametrar, och den rekommenderade hårdvaran är B200- eller H200-klass för vLLM — ett betydande infrastrukturåtagande som de flesta läsare inte bör underskatta. De realistiska inkörsportarna är den NVFP4-kvantiserade Motif-3-NVFP4 för ett mindre fotavtryck, eller att vänta på att någon inferensleverantör plockar upp modellerna.

Det är också här som routinglagret visar sitt värde, utan att låtsas att det kan anropa en modell som ingen är värd för. Värdet av ett enda API som frontar 200+ modeller med automatisk failover är precis till för den dag då en ny familj som denna faktiskt dyker upp i en värdkatalog: du testar den på en del av trafiken genom en OpenAI-kompatibel nyckel, växlar över till en beprövad modell när den snubblar, och behöver aldrig bygga om arkitekturen eftersom integrationen är modellagnostisk. Och eftersom OrcaRouter förmedlar leverantörernas listpriser rakt igenom utan påslag, är priset som en Motif-leverantör så småningom sätter det pris du betalar samma dag — utan någon kontraktscykel däremellan. Tills en leverantör hostar dessa vikter är den ärliga sammanfattningen att Motif-3-Base och Motif-3 körs på dina egna GPU:er, och routingargumentet handlar om stacken du har runt dem, inte om att anropa detta par idag.

Vem bör bry sig

Tre grupper bör vara uppmärksamma. Team som finjusterar öppna vikter har ett seriöst nytt alternativ: en MIT-licensierad, 314B/13.2B-aktiv MoE med 256K-kontext och en väldokumenterad förträningskörning, kommersiellt användbar utan att behöva kontakta leverantören. Forskare som arbetar med nya attention-mekanismer eller effektiv MoE-design får något sällsynt – en produktionsskalearkitektur med publicerade vikter byggda från grunden, inte en omparametrisering av en befintlig öppen modell. Och alla som följer utvecklingen av suverän AI får den konkreta artefakten bakom Koreas flaggskeppsprogram, tyst släppt två månader efter att företagets förhandsvisning blev internationell nyhet.

Den grupp som inte borde ladda ner den är alla som vill ha en fungerande chattassistent. Utan en chattmall och utan anpassning kommer Motif-3-Base att svara i kompletteringsläge och inte vägra något — det är poängen med en grundmodell, och det är också därför instruktionssyskonet finns.

Vad du ska titta på

Fyra saker skulle var och en förändra hur den här releasen uppfattas. Ett officiellt tillkännagivande, som skulle bekräfta "final"-etiketten och den kommersiella hållningen. Oberoende riktmärken för basvikterna och instruktionsmodellen, vilket skulle ge familjen dess första verifierade siffror. En leverantör som tar upp någon av de tre — händelsen som skulle göra Motif-3 nåbar via ett API snarare än bara på självhostade GPU:er. Och utfallet av Dokpamos andra utvärdering, vilket kommer att forma huruvida Koreas suveräna modellprogram centreras kring dessa vikter.

Tills ett av dessa landar, är den korrekta beskrivningen snäv men betydelsefull: den slutgiltiga Motif-3-familjen finns nu på Hugging Face, MIT-licensierad och fritt nedladdningsbar, och företaget som under ett år omskrevs som Koreas hopp inom suverän AI har levererat sin hittills viktigaste artefakt — utan att berätta det för någon.

© 2026 OrcaRouter

För leverantörer

Driver du en inferensplattform? Få dina modeller på OrcaRouter.

Kontakta oss

Gå med i vår community

DiscordEmailXGitHubYouTube