Motif-3-Base：Motif Technologies 未經宣布即推出的 MIT 授權基礎模型

Motif Technologies 最後一次 Motif-3 發布的故事，講述的是「公告」與「發表」之間的差異。公司在八月初承諾的，是揭曉其最終模型——也就是 7 月 14 日推出的 Motif-3-Beta 預覽版的後續版本。然而實際情況，在 8 月 10 日查看時更為低調：Motif-Technologies 的 Hugging Face 命名空間中出現了三個新的儲存庫，沒有發布文章、沒有新聞稿，motiftech.io 上也一無所有——Motif-3-Base，即約 3140 億參數的預訓練基礎檢查點，現以 MIT 授權釋出；Motif-3，即該模型卡所指的指令微調版本；以及Motif-3-NVFP4，這是為無法容納完整模型的機器所準備的量化精簡版。

以下所有內容都是直接從那些儲存庫中讀取的，並與 Motif Technologies 已發布的內容交叉核對過，而且刻意區分為儲存庫實際告訴我們的內容，以及尚未獲得確認的內容。無論如何，頭條是真實的：最終的 Motif-3 系列已經推出，開放權重，採用 MIT 授權，而供應商對此隻字未提。

簡短版本

韓國主權AI旗艦的基礎檢查點今日起開放下載，採用MIT授權，無需提出存取要求——這與僅限非商業研究的Beta版相比，是一項授權升級。

• Motif-3-Base 不是一個聊天模型。它沒有聊天模板，未經指令微調或偏好對齊，且旨在用於微調、持續預訓練和研究。

• 經過指令調校的 Motif-3 位於同一個兄弟儲存庫中、與其並列，採用相同架構與相同的 MIT 授權，並搭載公司將據以評判的基準測試套件。

• 迄今尚無任何人將這三者用於推論託管——模型卡片明確指出沒有推論供應商部署它們——因此運行它們意味著需要在高階硬體上自行託管。

• {{1}}尚未得到確認的內容{{/1}}：{{2}}官方公告{{/2}}、{{3}}對 Motif 新型注意力區塊的任何獨立重現{{/3}}、{{4}}對基礎權重的任何第三方基準測試{{/4}}，以及{{5}}這使得該系列相較於在 Artificial Analysis Intelligence Index 上獲得 45 分的七月預覽版處於何種境地{{/5}}。

按照順序，發生了什麼事

時間點很重要，因為它區分了「新模型」與「早就推出」之間的差別。Motif-3 的 beta 檢查點於2026年7月14日作為中間預覽版發布——模型卡本身也警告這並非最終版本。7月21日，在該預覽版於 Artificial Analysis 上獲得評分後，Motif Technologies 獲韓國媒體報導，被視為韓國「Dokpamo」主權基礎模型計畫的首個成功案例，其執行長向記者表示最終版本將於8月初推出。於8月4日，《The Herald Business》報導，該公司正將最終版 Motif-3 及一份效能報告提交給韓國科學技術情報通信部，作為該計畫第二次評估的一部分。

接著，大約在8月10日，提交內容公開了：Motif-Technologies/Motif-3-Base、Motif-Technologies/Motif-3 和 Motif-Technologies/Motif-3-NVFP4 全都出現在 Hugging Face 上，彼此只差幾分鐘（當天查看時，這些倉庫顯示為「幾分鐘前更新」）。這就是本文要報導的事件。這是一次真正的發布——新的權重、新的授權、新的檔案——卻沒有任何人事先得知。

Motif-3-Base 儲存庫實際包含的內容

這張模型卡明確說明了它是什麼、不是什麼。Motif-3-Base 是「Motif 3 的基礎預訓練檢查點」，一個僅解碼器的混合專家模型，總參數約3140億，每個 token 啟動 132 億參數，訓練資料約12.5 兆個 token。它「未經歷監督式微調、強化學習或偏好/安全對齊」，發布時「不含聊天模板」，旨在供進一步微調、繼續預訓練及研究使用——以文字完成模式運作。指令微調模型則明確指向另一個獨立儲存庫：Motif-Technologies/Motif-3。

此架構是 Motif 完全自行設計的，而這張卡對此有明確說明：

• 53 層 — 兩個密集層和 51 個混合專家層 — 隱藏大小為 4,096。

• 384個路由專家，每個token啟用前8個，外加一個共享專家。

• 分組差分潛在注意力（GDLA），即 Motif 將分組差分注意力與壓縮鍵值設計結合之架構的命名，運行 80 個查詢頭與 16 個鍵值頭。

• 以專家特定的 PolyNorm 取代常見的 SiLU 閘控，以及改良的流形約束超連接殘差流。

原生 262,144 個 token（256K）的上下文長度，以及 220,160 個 token 的詞彙量，採 bfloat16 格式。

這張卡片附帶兩點實用說明。第一，該模型使用自訂程式碼，因此透過 Hugging Face Transformers 載入時需要 trust_remote_code=True。第二，建議的部署方式是使用目前處於 Beta 階段的 vLLM，透過 Motif 專用的 Docker 映像檔執行，並已在 NVIDIA B200 與 H200 GPU 上完成測試——此外也支援 SGLang 與 Docker Model Runner 作為其他部署途徑。

比規格表更重要的授權變更

本次發布中最具決定性的事實並非參數數量。七月的預覽版 Motif-3-Beta 是在僅限研究用途的授權下發布，該授權明確禁止未經 Motif Technologies 書面許可的商業使用。Motif-3-Base 及其兄弟版本 Motif-3 均採用MIT 授權.

這就是實驗室可以研究的模型與公司可以基於其打造產品的模型之間的差異。微調服務提供商、評估韓語技術棧的企業，或想繼續在 12.5 兆 token 譜系上預訓練的新創公司，都能在無需向首爾談授權的情況下這樣做。鑑於 Motif 的整個商業主張都建立在主權且內部開發的 AI 之上——它是韓國國家基礎模型計畫中四個團隊之一，與 LG AI Research、Upstage 和 SK Telecom 並列——以 MIT 授權釋出基礎權重，是該公司迄今最有利於採用的一步。

也值得直白地說明 MIT 授權不改變的是什麼：它授權的是權重，而非品牌；卡片中的任何內容均不授予對 Motif 的商標或「Motif」名稱的權利。對於一個主要會被微調的基礎模型，授權才是實際解鎖的關鍵；其餘只是文書作業。

卡片上的分數，以及誰測量的

基座模型卡上列著一行簡短的評測結果：MMLU 86.20、GSM8K 93.93、MATH 70.58、HumanEval 73.70、MBPP 84.60。這些是 Motif 自行測量、未經複現的自家數字，而它們所描述的是未經微調的檢查點（checkpoint）——因此請把它們視為微調出發點的基準下限，而非對你所部署模型的宣稱。指令微調版的姊妹模型 Motif-3 才是那些頭條基準數據的所在，而這些數字同樣是廠商自行報告的：τ²-Bench Telecom 94.7、SWE-Bench Verified 76.2、Terminal-Bench 2.1 74.9、GPQA Diamond 83.4，以及在 OmniScience 上的非幻覺（non-hallucination）分數 71.6。

該系列公開歷史中唯一的獨立評分是在Beta，而非這些新檔案。Artificial Analysis 對 Motif 3 (Beta) 的評分是在 Artificial Analysis Intelligence Index 上獲得 45 分——韓國媒體在七月評測時所描述的排名，將該預覽版視為與 DeepSeek V4 Pro 並駕齊驅，在全球開放權重模型中位居第三，僅次於 Kimi K3 和 GLM-5.2，並且在美國和中國以外的模型中位居第一。截至目前，尚無任何獨立機構對基礎權重或最終的 instruct 模型進行測量，而這些新儲存庫也尚未被加入 Artificial Analysis 的目錄。

還有什麼尚未確認？

有必要精確劃分儲存庫事實與未解問題之間的界線，因為此版本並無官方聲明可供對照。

• 無公告。截至8月10日，motiftech.io 上沒有關於最終版本的消息，也未出現發布文章或新聞稿。儲存庫本身就是公告。

• 「Final」並未印在任何地方。 Motif-3-Base 卡片將自身呈現為基礎檢查點；它沒有寫「最終發布」，而 Beta 版承諾的「增強性能」最終檢查點尚未正式確認就是這些檔案——儘管時機、MIT 授權以及政府提交文件都指向這個結論。

• 架構未經獨立驗證。 GDLA、Expert-Specific PolyNorm 與修改後的超連接皆為 Motif 的專有設計；截至七月的報導為止，這些設計尚未被獨立重現。這對新興實驗室來說是正常的，但也意味著該架構的效率宣稱僅依賴 Motif 自身的運行結果。

• 沒有供應商代管，也沒有定價。三張卡片都指出，沒有推論供應商部署這些模型，因此任何地方都沒有託管 API，也沒有公開的逐 token 價格。Motif 的模型最終透過 API 定價為何，目前仍無法得知。

實際運行它需要什麼

由於沒有任何內容是託管的，每個想要取得這些權重的團隊都必須自行託管。全精度基礎檢查點是一個 315B 參數的 bfloat16 檔案，建議的硬體是 B200 或 H200 等級以執行 vLLM——這是大多數讀者不應低估的重大基礎設施投入。實際可行的入門途徑是使用 NVFP4 量化的 Motif-3-NVFP4 以縮小佔用空間，或等待任何推論提供者採用這些模型。

這也是路由層證明其存在價值的地方——同時不假裝它能呼叫一個根本無人託管的模型。單一API介接200多個模型並具備自動故障轉移的價值，正是在於當像這樣的新模型家族真的出現在託管目錄中的那天：你可以透過一個OpenAI相容的金鑰，在一小部分流量上試用它，當它出錯時故障轉移到一個經過驗證的模型，而且因為整合與模型無關，你永遠不需要重新設計架構。而由於OrcaRouter將供應商的列表價格直接原封不動地轉傳、不加任何加成，Motif供應商最終設定的價格，就是你當天支付的價格——中間沒有合約週期。在供應商託管這些權重之前，誠實的總結是：Motif-3-Base和Motif-3跑在你自己的GPU上；路由的論點在於你圍繞它們所維護的技術堆疊，而不是今天就呼叫這兩個模型。

誰應該關心

有三個群體應該留意。微調開放權重模型的團隊，現在有了一個重要的新選擇：一個採用MIT授權、314B/13.2B活躍參數的MoE模型，具備256K上下文，預訓練過程有詳細文件紀錄，可商業使用而無需聯絡廠商。研究新式注意力機制或高效MoE設計的研究人員，則得到了一件罕見的事物——一個生產級規模的架構，其公開權重是從零開始建構的，而非既有開放模型的重新參數化。而任何關注主權AI的人，則能看到韓國旗艦計畫背後的具體成果——該公司在預覽版登上國際新聞兩個月後，低調釋出了這個模型。

應該不下載它的，是任何想要可用聊天助手的人。沒有聊天模板，也沒有對齊，Motif-3-Base 會以補全模式回答，什麼都不會拒絕——這正是基礎模型的意義所在，也正是 instruct 姊妹模型存在的原因。

看什麼

四件事都會各自改變對這次發布的解讀。官方公告會確認「最終」標籤與商業定位。針對基礎權重和指令模型的獨立基準測試，將為該系列帶來首批經認證的數字。有提供者採用這三者中的任何一個——這將使 Motif-3 可透過 API 取得，而不僅限於自架 GPU。以及 Dokpamo 第二次評估的結果，這將決定韓國主權模型計畫是否以這些權重為核心。

在那些其中一項落地之前，準確的描述雖然狹隘，但意義重大：最終的 Motif-3 系列現已上架 Hugging Face，以 MIT 授權釋出、可公開下載；而那家一年來一直被媒體報導為韓國主權 AI 希望的公司，已經推出了迄今為止最重要的成果——卻沒有告訴任何人。