Motif-3 (Beta)：深入解讀韓國主權AI模型，剛躋身開源前三名

Motif-3-Beta 是開放權重大型語言模型激烈競爭中的最新參賽者，並且伴隨著一個不尋常的起源故事：它來自 Motif Technologies，一家約 30 人的子公司，隸屬於韓國 AI 基礎設施公司 Moreh，於 2025 年 2 月成立，並由約 240 億韓元（約 1600 萬美元）的 B 輪融資支持。相較於通常位居排行榜頂端的實驗室，這是一個規模極小的團隊和相對微薄的資金，而這正是該模型早期基準測試排名引起關注的原因：獨立人工智慧分析智慧指數（AAII）得分為 44，在全球開源和開放權重模型中排名第三，若將封閉前沿實驗室計入則總體排名第 11。

該模型明確地是一個正在進行中的作品——一個Beta或預覽檢查點，而非最終發佈版本——並且它採用非商業研究授權，而非其前身Motif-2的完全寬容Apache 2.0條款。這種「強勁的早期數字」與「仍未完成、仍受限制」的組合，是後續一切討論的誠實框架：Motif-3在開源競賽與韓國推動AI自主的過程中，確實是一個值得關注的數據點，但它尚未達到大多數團隊可商業部署的模型水準，且其多項較技術性的宣稱也未經獨立驗證。

TL;DR。Motif-3-Beta 是一個總參數314B、活躍參數13B的混合專家模型，來自 Motif Technologies，該公司是位於南韓、約30人的Moreh子公司，作為該國國家級「Dokpamo」主權AI計畫的一部分而開發。它在Artificial Analysis Intelligence Index上獲得44分——在全球開源模型中排名第三，僅次於Kimi K3與GLM-5.2，並總體排名第11。權重可在Hugging Face上根據非商業研究許可下載；免費託管的聊天服務在 chat.motiftech.io 上可用；目前尚無公開API價格。最終版本預計於2026年8月初發布，且該模型尚未公佈MMLU、GPQA或HumanEval的分數。

關鍵要點

• 來自一個小團隊的#3開源首秀。根據援引Artificial Analysis的媒體報導，AAII 44將Motif-3-Beta排在開源/開放權重模型中的第三位——僅次於Kimi K3和GLM-5.2——並且在對抗封閉前沿實驗室中總體排名第11。

• 大型模型，高效激活。約314B總參數，但每個token僅約13B激活，透過384個路由專家（8個活躍加1個共享）——這是一個為成本高效推理而設計的稀疏比例，儘管模型整體規模很大。

• 仍是測試版，仍是非商業用途。這是一個預覽檢查點；最終版本預計於2026年8月初左右發布。權重在Hugging Face上開放，但採用非商業研究許可——相比前代Motif-2的Apache 2.0條款是一種退步。

• 韓國的主權人工智慧旗艦候選項目。 在國家「Dokpamo」（獨立人工智慧基礎模型）計畫下構建，使用政府提供的B200 GPU，並以獨立架構、無外國開源基礎進行行銷。

• 專注韓語，256K 上下文。 使用專用的約 106GB 韓語預訓練語料庫進行訓練，擁有 256K token 的上下文窗口 — 定位為文本/對話模型而非多模態模型。

• 尚未發佈任何標準基準測試。 Motif-3 本身尚未公佈 MMLU、GPQA、HumanEval 或 KMMLU 的數據，其自訂架構的說法也屬於未經核實的供應商術語。

本文中的AAII 44 / #3-open-source / #11-overall數據來源於引用Artificial Analysis和該模型在Hugging Face卡片的新聞報導，並非直接從實時Artificial Analysis網站獨立重新驗證解讀——請將其視為方向性準確而非此刻的精確數值。Motif-3-Beta如其名稱所示，是一個測試版：基準測試、授權條款和定價在最終發布前仍可能發生變化。Hugging Face授權僅限非商業研究使用。截至撰稿時，尚無任何來源發布Motif-3的MMLU、GPQA、HumanEval或KMMLU分數。

Motif-3 (Beta)是什麼

Motif Technologies 是從 Moreh 分拆出來的韓國 AI 實驗室，Moreh 以 AI 基礎設施與 GPU 虛擬化軟體聞名。該公司成立於 2025 年 2 月，擁有約 30 名員工，並完成約 240 億韓元（約 1,600 萬美元）的 B 輪融資。以前沿模型開發者的標準來看，Motif 規模較小——此基準測試層級的大多數競爭對手所擁有的工程團隊規模都要大上一個數量級。公司由執行長林正煥領導，而 Motif-3-Beta 是至今最具雄心的產品，接續先前較小規模的 Motif-2.6B 模型。

在架構上，Motif-3-Beta 是一個稀疏混合專家（MoE）大型語言模型，總參數約為 3140 億，其中每個 Token 僅有大約 130 億個參數處於活躍狀態。路由遍及 384 個路由專家，每個 Token 有 8 個活躍專家加上 1 個共享專家。該模型擁有 256K Token 的上下文窗口、隱藏層維度為 4096、53 個 Transformer 層、詞彙量為 220,160 個 Token，並以 bf16 精度提供。它是一個文字/對話模型——沒有標明影像、音訊或視訊能力——並且刻意以韓語為重點，部分訓練資料來自一個專用語料庫（內部稱為 motif-3-korean-pt-v0），約含 106GB 的韓語文字。

狀態在這裡與規格同等重要。Motif-3-Beta 明確是一個預覽檢查點，而非完成模型——Motif 表示最終版本預計在 2026 年 8 月初左右推出。權重是開放的，可從 Hugging Face 下載，但採用非商業研究許可證，這意味著在當前條款下不允許用於生產或創收用途。這與該公司先前發布的 Motif-2 有顯著差異，後者採用完全寬容的 Apache 2.0 許可證。有一個免費的托管聊天介面，網址為 chat.motiftech.io，供任何想試用模型而無需下載的人使用，但目前尚無公開 API 定價、無 GitHub 組織專案，也無 Motif-3 arXiv 論文以同儕審查的詳細程度描述架構——這些對於 Beta 版本來說都是正常的不足，但在您計劃使用此模型之前值得了解。

AAII切入點：基準深度探討

Motif-3-Beta 在韓國以外地區受到關注的主要原因是單一獨立數據：人工分析智慧指數（AAII）評分為 44。根據引用人工分析的媒體報導，該模型在全球開源及開放權重模型排名第三——僅次於 Kimi K3 與 GLM-5.2——若將封閉式專有前沿模型納入排名，則總排名第 11。對於一個成立約一年半、僅 30 人的團隊而言，能在中立的第三方指數中躋身全球開源前三，是實實在在的成果，也是至今最明確的證據，證明 Motif 的方法不僅有野心，更具有競爭力。

話雖如此，這個數字需要加上特定但書：它是透過新聞報導以及該模型在 Hugging Face 上的卡片（引用 Artificial Analysis）所取得，而非撰文當下直接重新驗證自即時 Artificial Analysis 排行榜的讀數。AA 排名會隨著新模型加入和既有模型重新評分而變動，因此請將「AAII 44 / #3-open-source / #11-overall」視為一個快照版本；在將其引用為當前事實以用於任何下游決策之前，應先對照即時網站進行核實。

Motif 自身的文檔也描述了幾項自訂架構元件：「分組差分潛在注意力（GDLA）」、「分組 PolyNorm 激活函數」，以及一種「改良版 mHC」機制。這些都是供應商自創的術語，截至本文撰寫時，它們在模型卡上並未詳細定義，也未經過獨立基準測試或同儕審查——目前尚無 Motif-3 的 arXiv 論文。合理的看待方式是，將它們視為一個有趣的訊號，表明 Motif 構建了自己的架構，而非分叉現有的開源基礎；但在出現獨立分析之前，不應將其視為已證實的效能優勢。

同樣重要的是，要坦誠說明缺少了什麼：Motif-3 本身並未公佈 MMLU、GPQA、HumanEval 或 KMMLU 的分數。這相較於那些較成熟且通常會公佈完整標準學術基準測試（外加任何複合指數分數）的開放模型而言，確實是個缺口。在 Motif 補齊這塊拼圖之前——很可能要到 2026 年 8 月初的最終版本——AAII 分數本身承擔了大部分評估工作，應將其視為「有希望的早期訊號」，而非「經過全面基準測試的模型」。

{{1}}以上排名模型的相关背景：来自 Moonshot 的 Kimi K3，其 AAII 約為 57（整體前四名），並在 Frontend Code Arena 中佔據第一名，該模型為約 2.8T 參數的 MoE，定價為每百萬 tokens $3/$15 — 效能強大但據說速度較慢且輸出冗長，雖已承諾公開權重但尚未完全確認。來自 Z.ai/Zhipu 的 GLM-5.2，AAII 得分為 51，並佔據開放權重整體第一名，為約 750B/40B 參數的 MoE，採用完全寬鬆的 MIT 授權釋出，可自行託管，定價為每百萬 tokens $1.40/$4.40。兩者在今天的開源指數上都優於 Motif-3-Beta，這是一個有用的背景：在開放模型中排名「世界第三」確實是優秀的成績，但這是一個遙遠的第三名，落後於兩個在部署成熟度上更大型的模型，而就 GLM-5.2 而言，其授權條款也更加開放。{{/1}}

存取和定價

今天開始實際使用 Motif-3-Beta 有兩條路徑。第一條是直接從 Hugging Face 下載開放權重並自行託管模型——但根據目前授權條款，僅限於非商業研究用途；此 Beta 版本未授予商業使用許可，因此無論基準測試數據如何，都無法用於生產部署。第二條路徑是 Motif 在 chat.motiftech.io 提供的免費託管聊天介面，讓任何人都可以在瀏覽器中試用模型，無需下載或託管任何東西。

目前並無公開的API提供每Token定價——若你正將此模型與API優先的競爭對手（如Kimi K3（每百萬Token $3/$15）或GLM-5.2（每百萬Token $1.40/$4.40））進行評估，這是一個顯著的缺口，因為後兩者目前都能讓你估算大規模使用成本。在Motif發布API定價之前（很可能與最終的非Beta版本掛鉤），任何針對這些模型的成本比較都必然不完整。目前，實際選項包括：透過chat.motiftech.io免費試用，或自行部署開放權重僅用於非商業研究。

韓國主權AI的故事

Motif-3-Beta 不僅僅是一家公司的產品發表——它是南韓推動所謂「主權 AI」（sovereign AI）的一個可視數據點：即在國內建立和控制前沿模型的能力，而非完全依賴美國或中國的基礎模型。Motif-3 是在政府支持的「獨立 AI 基礎模型」倡議（韓文媒體稱之為「독파모」/Dokpamo）下開發的，該倡議同時資助多個相互競爭的計畫——包括 LG AI Research 的 EXAONE 系列、Upstage 的 Solar 模型，以及 SK Telecom 自身的 AI 項目。Motif-3 是該領域中備受關注的參與者之一，部分原因在於它建構的速度非常快。

根據報導，該模型使用了約700至768塊政府提供的Nvidia B200 GPU進行訓練，核心開發周期約為五個月——對於一個314B參數的模型來說，即使考慮到其MoE設計中13B有效參數的效率，這也是一個快速的時間線。Motif強調這是一個獨立架構，底下沒有外國開源基礎，這既是國家自豪也是技術自豪的重點：Dokpamo計劃的目標不僅是「一個好模型」，而是一個從頭到尾採用國內架構選擇構建的模型，而不是對現有美國或中國開源權重版本的微調或衍生品。

這種效率框架——總參數{{1}}314B{{/1}}中僅{{2}}13B{{/2}}活躍——也刻意與Motif自身的歷史形成對比。該公司先前的模型{{3}}Motif-2.6B{{/3}}是在{{4}}AMD MI250{{/4}} GPU而非Nvidia硬體上訓練的，反映了Moreh對GPU基礎設施靈活性的廣泛關注。綜觀而論，{{5}}Motif-2.6B{{/5}}與{{6}}Motif-3-Beta{{/6}}講述了一個一致的故事：一個小型團隊竭力優化運算效率——先透過硬體選擇，如今則借助稀疏MoE路由——對於資源受限的國家級AI計劃而言，這可能比單純擴增參數規模更為可轉移的技能。

適用對象：三種情境

1. 韓語研究者和NLP團隊

Motif-3-Beta 專用的韓語預訓練語料庫，使其成為專注於韓語 NLP 任務（評估、微調實驗，或與 LG 的 EXAONE、Upstage 的 Solar 等其他韓語模型進行比較研究）的學術與研究團隊的自然首選。由於授權為非商業研究用途，這完全符合該授權所設定的使用情境：下載權重、自行執行評估，並將此模型視為韓語模型研究中一個真正全新且獨立架構的數據點。

2. 追蹤開源前沿的團隊

如果你的工作有一部分是关注开源权重模型竞赛的走向，那麼 Motif-3-Beta 作為一個訊號，值得仔細端詳：一個 30 人團隊，在約五個月的時間內，透過國家計算資源配額打造出的模型，在全球開源模型中名列第三，這足以說明計算效率高的 MoE 架構如何降低競爭門檻。你可以透過免費的 chat.motiftech.io 介面試用，親身體驗其行為表現，並留意 2026 年 8 月初的最終版本釋出，屆時將會推出更完整的基準測試套件，以及（很可能）更新的授權條款。

3. 關注主權AI計畫的政策與產業分析師

對於任何關注國家級人工智慧策略的人來說——即美國和中國以外的政府如何嘗試建立獨立的人工智慧能力——Motif-3 是一個有用的具體案例研究，展示了韓國 Dokpamo 計畫的實際運作：政府GPU分配、一家小型民營企業、明確標榜「不使用國外開源基礎」的架構主張，以及五個月的開發週期。它與 LG AI Research 的 EXAONE 和 Upstage 的 Solar 並列，是數個平行努力之一。比較它們各自的方法、授權選擇與基準軌跡，是理解主權AI資金如何轉化為實際模型產出的一個合理視角。

何時不應使用

請勿在任何商業或營利性產品中部署 Motif-3-Beta — 目前的 Hugging Face 授權明確僅限非商業研究用途，在生產環境中使用它將構成授權違規，而不僅僅是風險。請勿將 AAII 44 數字視為完全經驗證的最終基準結果：該數據來自新聞報導與模型自身的說明卡，而非直接從即時的 Artificial Analysis 排行榜讀取，且最終版本發佈時該數字很可能會有所變動。請勿依賴此模型執行需要標準、完善基準覆蓋的任務 — 目前尚未公佈 MMLU、GPQA、HumanEval 或 KMMLU 分數可供您對照用例進行驗證。也請勿期望今天就能獲得生產級 API 存取權：目前沒有公開的 API 定價、沒有 GitHub 組織、也沒有經過同儕審查的架構論文，在基於 Motif-3 建立超越研究原型之外的任何東西之前，這些都是合理的等待條件。

常見問題

什麼是Motif-3-Beta？

這是來自 Motif Technologies 的一款稀疏混合專家大型語言模型，該公司是韓國 AI 實驗室，也是 Moreh 的子公司。該模型總參數約 3140 億，每個 token 活躍參數約 130 億，支援 256K token 的上下文視窗，並使用專屬韓語語料庫進行訓練。目前這是一個 Beta 預覽檢查點，並非最終版本。

Motif-3-Beta 到底有多好？

根據一項獨立衡量指標——人工分析智能指數（Artificial Analysis Intelligence Index）——其得分為44，新聞報導將其列為全球開源模型第三名（僅次於Kimi K3和GLM-5.2），總體排名第十一位。這是一個強勁的早期成果，但該模型尚未公佈任何MMLU、GPQA、HumanEval或KMMLU分數，因此全貌尚不完整。

{{1}}我可以將 Motif-3-Beta 用於商業用途嗎？{{/1}}

仅在当前授权下不可用。Hugging Face 的权重仅供非商业研究使用。这比起前代模型 Motif-2 所使用的完全宽容的 Apache 2.0 授权是一种倒退，并且对当今任何生产用途都构成硬性限制。

使用需要多少費用？

目前尚無公開的 API 定價。您可以在託管的 chat.motiftech.io 介面上免費試用該模型，或者自行託管開放權重以進行非商業研究。定價和商業條款可能會隨著最終版本的發布而推出。

這真的是獨立的韓國建築嗎？

這是Motif的說法，也符合韓國國家「獨巴摩」主權AI計畫的宏大目標——一個底層無任何外國開源基礎的架構。該模型確實描述了自訂元件（「分組微分潛在注意力」、「分組PolyNorm激活」、「改良的mHC機制」），但這些都是供應商提出的術語，尚未有論文詳細說明或經過獨立審查。

最終版本什麼時候發布？

Motif 表示計畫在 2026 年 8 月初推出最終的非 Beta 版本。屆時預計會有更新的基準測試，以及可能的更新授權和定價。

它與Kimi K3和GLM-5.2相比如何？

兩者目前在 Artificial Analysis 開源指數上的排名都高於 Motif-3-Beta — Kimi K3 約為 AAII 57，GLM-5.2 為 AAII 51，而 Motif-3-Beta 則為 44。此外，GLM-5.2 採用更寬鬆的 MIT 授權，並已公佈 API 定價（每百萬 tokens 為 $1.40/$4.40），而 Motif-3-Beta 目前尚未提供。

我今天應該使用 Motif-3-Beta 嗎？

如果您正在進行韓語自然語言處理研究、追蹤開源模型競賽或研究主權人工智慧政策——這些都是非商業授權和免費聊天介面良好支援的使用案例。等待最終版本，附有更完整的基準測試和更清晰的商業條款，然後再建立超出研究原型之外的任何東西。

底線

Motif-3-Beta 確實是一項值得關注的成果：一個由30人組成的韓國團隊，透過國家主權人工智慧計畫獲得資助，在約五個月的開發時間內，於獨立評比中在全球開源模型中排名第三。但「Beta」和「非商業用途」在此並非行銷附註——它們是決定該模型目前能否用於你目的之兩項事實。作為研究產物，以及關於高效能MoE架構與國家AI計畫發展方向的訊號，它值得密切關注。作為生產模型，它尚未到位——請期待約2026年8月初的最終版本以獲得完整樣貌。