Motif-3 (Beta)：韩国主权AI模型跻身开源前三强内幕

Motif-3-Beta是开放权重大语言模型激烈竞争中的最新入局者，它带着一个非比寻常的起源故事登场：这款模型来自Motif Technologies——韩国AI基础设施公司Moreh旗下约30人的子公司，成立于2025年2月，由约240亿韩元（约合1600万美元）的B轮融资支持。与通常占据排行榜前列的实验室相比，这支团队规模极小、资金储备也微不足道——而这恰恰是其早期基准测试排名引人关注的原因：它在独立人工智能分析指数（AAII）中获得了44分，在全球开源及开放权重模型中位列第三，若计入封闭前沿实验室，则综合排名第11位。

该模型明确处于开发阶段——是一个Beta或预览检查点，而非最终版本——并且附带非商业研究许可，而非其前身Motif-2所使用的完全开放的Apache 2.0条款。这种“早期强劲数据”与“尚未完成、仍有限制”的组合，构成了接下来所有讨论的诚实背景：Motif-3在开源竞赛和韩国推动AI自主的进程中，确实是一个有趣的数据点，但它目前尚不属于大多数团队可以商业部署的模型，而且其多项偏技术性的主张尚未得到独立验证。

简而言之。Motif-3-Beta 是一个总参数量314B/激活参数量13B的混合专家模型，来自 Motif Technologies，这是一家约有30人的 Moreh 子公司，位于韩国，作为该国国家“Dokpamo”主权AI计划的一部分而构建。它在人工智能分析智能指数（Artificial Analysis Intelligence Index）上得分为44——在全球开源模型中排名第三，仅次于Kimi K3和GLM-5.2，整体排名第11。权重可从 Hugging Face 下载，使用非商业研究许可；免费托管聊天可在 chat.motiftech.io 获取；目前尚无公开API价格。最终版本预计在2026年8月初发布，该模型本身尚未公布 MMLU、GPQA 或 HumanEval 的得分。

关键要点

• 一个小团队的开源首秀，排名第3。根据引述Artificial Analysis的媒体报道，AAII 44将Motif-3-Beta在开源/开放权重模型中排名第三——仅次于Kimi K3和GLM-5.2——在闭源前沿实验室中总体排名第11。

• 大模型，高效激活。总参数约314B，但每个 token 仅激活约13B，通过384个路由专家（8个激活加1个共享）实现——尽管模型整体规模大，这种稀疏比仍专为经济高效的推理而设计。

• 仍处于Beta阶段，仍为非商业用途。这是一个预览检查点；最终版本预计在2026年8月初左右发布。权重在Hugging Face上公开，但采用非商业研究许可——相较其前身Motif-2的Apache 2.0条款是一种倒退。

• 韩国主权AI旗舰候选。该模型基于国家“Dokpamo”（独立AI基础模型）项目构建，使用政府提供的B200 GPU，并以独立架构的形式推向市场，不依赖任何外国开源基础。

• 专注于韩语，256K上下文。使用专门的约106GB韩语预训练语料库进行训练，具有256K token的上下文窗口——定位为文本/对话模型，而非多模态模型。

• 尚未发布任何标准基准测试结果。 Motif-3 本身没有公布 MMLU、GPQA、HumanEval 或 KMMLU 的数值，其自定义架构的声称也属于未经验证的厂商术语。

本文中引用的AAII 44、#3-open-source、#11-overall数据来源于新闻报道，这些报道引用了Artificial Analysis以及该模型的Hugging Face卡片信息，并非直接独立复核自Artificial Analysis实时网站的数据——请将其视为方向性准确而非当前精确数值。Motif-3-Beta正如其名，是一款测试版：基准测试、许可协议及定价在最终版本发布前仍可能发生变化。Hugging Face许可证仅限非商业研究用途。截至本文撰写时，没有任何来源公布过Motif-3在MMLU、GPQA、HumanEval或KMMLU上的评分。

什么是 Motif-3 (Beta)

Motif Technologies 是一家韩国AI实验室，从Moreh公司分离出来，Moreh以其AI基础设施和GPU虚拟化软件更为知名。该公司成立于2025年2月，拥有约30名员工，并完成约240亿韩元（约1600万美元）的B轮融资。以前沿模型开发者的标准来看，Motif规模较小——该基准测试级别的大多数竞争对手所配备的工程团队规模都要大一个数量级。公司由CEO林正焕领导，Motif-3-Beta是迄今为止最具雄心的发布，继更小的Motif-2.6B模型之后。

从架构上看，Motif-3-Beta 是一个稀疏混合专家（MoE）大语言模型，总参数量约为3140亿，其中每个词元仅激活约130亿参数。路由机制跨越384个路由专家，每个词元激活8个专家及1个共享专家。该模型支持256K词元的上下文窗口，隐藏层维度为4096，包含53个Transformer层，词汇表大小为220,160个词元，并以bf16精度发布。它是一个文本/对话模型——没有声明图像、音频或视频能力——并且特意以韩语为重点，部分训练数据来自一个专用语料库（内部称为 motif-3-korean-pt-v0），包含约106GB的韩语文本。

在这里，状态与规格同样重要。Motif-3-Beta 明确是一个预览检查点，而非最终模型——Motif 已表示计划在2026年8月初左右发布正式版本。权重开放，可从 Hugging Face 下载，但采用非商业研究许可，这意味着根据当前条款，禁止用于生产或创收用途。这与该公司之前的发布版本 Motif-2 形成了显著变化，后者采用完全宽松的 Apache 2.0 许可。有一个免费的托管聊天界面（chat.motiftech.io），供不想下载模型的用户试用，但目前尚无公开 API 定价、该项目的 GitHub 组织，也没有描述架构细节的 Motif-3 arXiv 论文以供同行评审——这些对于 Beta 版本来说都是正常缺失，但在围绕该模型进行规划前值得了解。

AAII钩子：基准深度解析

The headline reason Motif-3-Beta is getting attention outside Korea is a single independent number: an Artificial Analysis Intelligence Index (AAII) score of 44. According to press coverage citing Artificial Analysis, that places the model third among open-source and open-weight models worldwide — behind Kimi K3 and GLM-5.2 — and 11th overall once closed, proprietary frontier models are included in the ranking. For a 30-person team roughly a year and a half into its existence, landing in the global open-source top three on a neutral, third-party index is a legitimate result, and it's the clearest evidence so far that Motif's approach is competitive rather than merely ambitious.

话虽如此，这个数字仍需一个特定的审慎说明：它来源于新闻报道以及模型自身的Hugging Face卡片（其引用了Artificial Analysis），而非在撰写本文时直接、实时地从Artificial Analysis的排行榜重新核实读取的数据。AA的排名会随着新模型的加入和既有模型的重新评分而变化，因此请将AAII 44 / #3-open-source / #11-overall视为一个快照，在任何下游决策中将其作为当前事实引用之前，应先对照实时站点进行核查。

Motif自己的文档还描述了几个自定义架构组件：“分组差分潜在注意力（GDLA）”、“分组PolyNorm激活”和一种“改进型mHC”机制。这些都是供应商自创的术语，截至目前，它们在模型卡上并未详细定义，也未经独立基准测试或同行评审——目前还没有Motif-3的arXiv论文。将这些视为一个有趣的信号是合理的，它表明Motif构建了自己的架构，而不是复制现有的开源基础，但在独立分析出现之前，不应将它们视为已证明的性能优势。

同样重要的是要明确说明缺失的部分：Motif-3 本身尚未公布 MMLU、GPQA、HumanEval 或 KMMLU 的得分。与更成熟的开源模型相比，这是一个实实在在的差距——这些模型通常会在发布任何综合指数评分的同时，公布一整套标准学术基准测试结果。在 Motif 填补这一空白之前（很可能要到 2026 年 8 月初的正式发布），AAII 数据在很大程度上独自承担着评估工作，因此应将其解读为“有希望的早期信号”，而非“经过全面基准测试的模型”。

排在它前面的模型背景：Moonshot 的 Kimi K3 的 AAII 约为 57（总体前四），并在前端代码竞技场中排名第一，它是一个约 2.8T 参数的 MoE，定价为每百万 token $3/$15——强大但据称速度慢且冗长，虽承诺开放权重但尚未完全确认。Z.ai/Zhipu 的 GLM-5.2 的 AAII 得分为 51，并占据开放权重总体第一的位置，它是一个约 750B/40B 的 MoE，在完全宽松的 MIT 许可证下发布，可自托管，定价为每百万 token $1.40/$4.40。两者在今天的开源指数上都超越了 Motif-3-Beta，这是一个有用的背景：在开放模型中排名“世界第三”确实是一个强劲的成果，但它与前两名模型之间存在较大差距——这两者不仅在部署成熟度上更高，而且在 GLM-5.2 的情况下，其许可条款也更为开放。

访问与定价

今天要上手体验 Motif-3-Beta 有两条路径。第一条是直接从 Hugging Face 下载开放权重并自行托管模型——但根据当前许可条款，仅限非商业研究用途；此 Beta 版本未授予商业使用许可，因此无论基准测试数字如何，都无法用于生产部署。第二条路径是 Motif 在 chat.motiftech.io 上提供的免费托管聊天界面，任何人都能在浏览器中尝试该模型，无需下载或托管任何东西。

目前尚无公开的按token计价的API——如果你在将该模型与Kimi K3（每百万token $3/$15）或GLM-5.2（每百万token $1.40/$4.40）等以API为先的竞品进行比较时，这便是一个显著的差距，这两者目前均可让你估算大规模使用成本。在Motif发布API定价（很可能与最终的、非Beta版本挂钩）之前，任何针对这些模型的成本对比都必然不完整。目前，实际可选项为：通过chat.motiftech.io免费试用，或自行托管开放权重，仅限于非商业研究用途。

韩国主权AI故事

Motif-3-Beta 不仅仅是一家公司的产品发布——它是韩国推动所谓"主权AI"的一个可见数据点：即在境内构建和控制前沿模型的能力，而非完全依赖美国或中国的基础模型。Motif-3 是在政府支持的"独立AI基础模型"计划下开发的，韩媒称其为"Dokpamo"，该计划同时资助多个竞争项目——包括LG AI Research的EXAONE系列、Upstage的Solar模型以及SK Telecom自身的AI计划。Motif-3 是该领域最受关注的项目之一，部分原因在于其构建速度之快。

根据报告，该模型使用了约700至768块政府提供的英伟达B200 GPU进行训练，核心开发周期约五个月——对于314B参数的模型而言，这一速度相当快，即便考虑到其MoE架构中仅有13B活跃参数的效率。Motif强调这是一款独立架构，底层没有依赖任何外国开源基础，这一点既是技术自豪，也是民族自豪：Dokpamo计划的目标不仅是“打造一款优秀模型”，更是要构建一款从头到尾采用本土架构设计的模型，而非基于现有美国或中国开源权重发布的微调版本或衍生品。

这种效率框架——总参数314B中仅13B活跃——也与Motif自身的历史形成了刻意对比。该公司早期的模型Motif-2.6B是在AMD MI250 GPU上训练的，而非Nvidia硬件，这反映了Moreh对GPU基础设施灵活性的广泛兴趣。综合来看，Motif-2.6B和Motif-3-Beta讲述了一个一致的故事：一个小团队为了计算效率而极力优化——最初通过硬件选择，现在则通过稀疏MoE路由——对于资源受限的国家AI计划而言，这可以说是比单纯扩大参数数量更具可迁移性的技能。

适用对象：三种场景

1. 韩语研究人员和NLP团队

Motif-3-Beta的专用韩语预训练语料库使其成为专门从事韩语自然语言处理任务（如评估、微调实验或与其他韩语专用模型如LG的EXAONE或Upstage的Solar进行对比研究）的学术及研究团队的天然候选。由于许可证仅限于非商业研究用途，这恰恰是该许可证所针对的使用场景：下载权重、运行自己的评估，并将该模型视为韩语模型研究中一个真正新颖且独立构建的数据点。

2. 追踪开源前沿的团队

如果你的部分工作是关注开源权重模型竞赛的走向，那么 Motif-3-Beta 纯粹作为一个信号值得密切关注：它由一支 30 人的团队在约五个月内利用国家计算配额构建，在全球开源模型中排名第三，这说明了计算高效的 MoE 架构如何降低达成竞争性结果的门槛。通过免费的 chat.motiftech.io 界面试用它，定性地感受其表现，并关注预计于 2026 年 8 月初发布的正式版本，届时将提供更全面的基准测试套件和（可能）更新的许可条款。

3. 关注主权人工智能项目的政策和行业分析师

对于那些关注国家人工智能战略的人——即美国和中国以外的政府如何试图构建独立的人工智能能力——Motif-3 是一个有用的具体案例研究，展示了韩国的 Dokpamo 计划如何运作：政府 GPU 分配、一家小型私营企业、一个明确声称“不基于外国开源基础”的架构，以及一个五个月的建设周期。它与 LG AI Research 的 EXAONE 和 Upstage 的 Solar 并列为几个并行努力之一，比较它们各自的方法、许可选择和基准轨迹，是理解主权人工智能资金如何转化为实际模型产出的合理视角。

何时不应使用

请勿在任何商业或创收产品中部署 Motif-3-Beta——当前的 Hugging Face 许可明确仅限非商业研究用途，将其投入生产不仅是冒险，更是违反许可的行为。请勿将 AAII 44 数字视为完全经核实、最终定型的基准测试结果：该数据源自媒体报道及模型自身卡牌，而非对实时 Artificial Analysis 排行榜的直接最新读取，且最终版本发布时该数值很可能会发生变化。请勿依赖此模型执行需要标准、详尽基准覆盖的任务——目前尚未公布 MMLU、GPQA、HumanEval 或 KMMLU 分数来检验您的用例。今天也请勿期待生产级 API 接入：尚无公开 API 定价、无 GitHub 组织、无经过同行评审的架构论文，而在 Motif-3 之上构建任何超出研究原型范畴的内容之前，等待这些条件落实是合理的。

常见问题

什么是Motif-3-Beta？

这是来自Motif Technologies（韩国AI实验室，Moreh的子公司）的稀疏混合专家大语言模型。其总参数约3140亿，每token活跃参数约130亿，拥有256K-token上下文窗口，并使用专用韩语语料库训练。目前处于Beta/预览检查点阶段，并非最终发布版本。

Motif-3-Beta 到底有多好？

根据一项独立指标——人工智能分析智能指数（Artificial Analysis Intelligence Index）——该模型得分为44，媒体报道将其列为全球开源模型的第三名（仅次于Kimi K3和GLM-5.2），总排名第11位。这是一个强劲的早期成果，但该模型尚未公布MMLU、GPQA、HumanEval或KMMLU的评分，因此全貌尚不完整。

我可以商业使用Motif-3-Beta吗？

不在当前许可下。Hugging Face 的权重仅以非商业研究用途发布。这相比其前代模型 Motif-2 所采用的完全宽松的 Apache 2.0 许可是一个倒退，并且对如今的任何生产用途构成了严格的限制。

使用费用是多少？

目前还没有公开的API定价。你可以在托管的chat.motiftech.io界面上免费试用该模型，或者自行托管开放权重用于非商业研究。定价和商业条款可能会与最终版本一同发布。

这真的是独立的韩国建筑吗？

这是Motif的主张，且与韩国国家“Dokpamo”主权AI计划的更广泛目标相符——一个底层没有外国开源基础的架构。该模型确实描述了自定义组件（“Grouped Differential Latent Attention”、“Grouped PolyNorm激活”、一种“modified mHC”机制），但这些是供应商描述的术语，尚未在论文中详述或经过独立评审。

最终版本什么时候发布？

Motif 表示计划在 2026 年 8 月初左右发布最终的非 Beta 版本。届时有望更新基准测试，并可能调整许可与定价。

它和Kimi K3以及GLM-5.2相比如何？

目前两者在 Artificial Analysis 开源指数上的排名均高于 Motif-3-Beta——Kimi K3 约为 AAII 57，GLM-5.2 为 AAII 51，而 Motif-3-Beta 为 44。此外，GLM-5.2 还采用了更宽松的 MIT 许可证，并于今日公布了 API 定价（每百万 token 费用为 1.40 美元/4.40 美元），而 Motif-3-Beta 尚未提供这些信息。

我今天应该使用 Motif-3-Beta 吗？

如果你正在进行韩语自然语言处理研究、追踪开源模型竞赛或研究主权AI政策——这些非商业许可和免费聊天界面都能很好地支持的用例。在构建超出研究原型的东西之前，请等待最终发布版本，其中包含更全面的基准测试和更清晰的商业条款。

底线

Motif-3-Beta是一项真正值得关注的结果：一个由30人组成的韩国团队，通过国家主权人工智能项目资助，在约五个月的开发时间内，于一项独立指数中跻身全球开源模型第三名。但“Beta”和“非商用”在这里并非营销注脚——它们是决定该模型今天是否可用于您目的的两个事实。作为一项研究产物和关于高效MoE架构及国家人工智能项目走向的信号，它值得密切关注。作为生产模型，它尚未成熟——请待2026年8月初的最终版本发布以获取更全面的图景。