文 | 象先志

沙特把本国阿拉伯语大模型的开发任务，交给了 MiniMax 。 

9月3日，沙特公共投资基金 PIF 旗下的 HUMAIN 发布阿拉伯语模型 HUMAIN-M3。它有4280亿总参数，每个 token 激活230亿参数，使用超过1万亿阿拉伯语 tokens 继续训练。模型部署在 HUMAIN Node 上，未来还计划开放权重。HUMAIN 的董事长，是沙特王储小萨勒曼。

你品，你细品。

HUMAIN倒不像某些国家的公司，魔改deepssek然后说是自研，官方新闻稿写得很清楚：模型经委托，由中国公司 MiniMax 开发，底座是 MiniMax-M3。沙特拿出资本、算力和阿拉伯语数据，MiniMax 提供已经完成基础训练的模型。双方合作的结果，再以沙特国家模型的名义发布。

发布前两天，沙特科技博主 Sultan Alfaifi 抢先在 X 上称它是“100% 沙特”模型。帖子拿到28.5万次浏览后，有人在评论区追问：“100% 沙特？敬畏真主吧，苏丹。”后来，博主更正：“感谢纠正，它基于 MiniMax 的 M3。”AI 骄傲确实也存在，博主应该是一时间上了头。

图1  沙特科技博主称 HUMAIN-M3 是“100% 沙特”模型
中文翻译：HUMAIN-M3 来了。这是 HUMAIN 旗下“100% 沙特”的模型，号称在七项阿拉伯语测试中表现强劲，符合沙特文化和语言。模型为智能体设计，可直接集成；未来将开放权重，并可在沙特本地服务器运行。来源：X 原帖

图2  评论区质疑“100% 沙特”后，发布者更正底座来自 MiniMax
中文翻译：质疑：“100% 沙特？敬畏真主吧，苏丹。”更正：“感谢纠正。它基于 MiniMax 的 M3。”来源：X 原帖

沙特用资金、算力和本地数据，换到了几年训练时间和模型控制权；MiniMax 也不再只向海外出售调用次数，而是进入了他国模型研发的最底层。

这次，中国大模型出海往前推了一层。过去输出 App 和 API，海外客户是用户；现在输出基础模型，海外客户可以继续训练、重新命名，再把它变成自己的“国产 AI”。

更进一步来看，中国的开源大模型们正在容纳各种语言，几乎快要成为世界 AI 的统一语言了。

沙特用钱买时间，也买控制权

2025年5月，小萨勒曼亲自宣布成立 HUMAIN。这家公司由沙特公共投资基金 PIF 持有，业务覆盖数据中心、云、模型和应用。沙特要的不只是一个能说阿拉伯语的聊天机器人，而是从算力到应用都尽量掌握在自己手里的 AI 体系。

沙特有钱、有能源，也可以买 GPU，但从零训练前沿模型仍然要付出几年时间和大量失败成本。MiniMax 提供一个已经完成基础训练的模型；沙特提供算力、本地数据和应用场景，再用超过1万亿阿拉伯语 tokens 继续训练。这笔合作省下的首先不是 API 费用，而是从零开始的时间。

按照 HUMAIN 公布的数据，HUMAIN-M3 在七项阿拉伯语公开基准上的等权平均分达到89.37%，比未经本地化训练的 M3 参考模型高出9个百分点，并在五项测试中取得最高分。不过，这七项都是阿拉伯语基准。但这也足以证明：一个国家建设本土模型，不一定要从预训练的第一步开始。

图3  MiniMax 官方确认 MiniMax-M3 为 HUMAIN-M3 提供底座
中文翻译：MiniMax 官方表示，MiniMax-M3 为 HUMAIN-M3 提供底座。HUMAIN-M3 基于 M3，并使用超过1万亿阿拉伯语 tokens 继续训练，覆盖多种阿拉伯语及地区方言。来源：X 原帖

沙特也由此建立了 AI 主权，相比于只能使用ChatGPT、Claude 等闭源模型，数据、训练、服务、信息安全都可以掌握在自己手里。

图4  阿拉伯语开发者提醒不要把语言榜单扩大成通用能力结论
中文翻译：这个模型其实来自 MiniMax，只是在阿拉伯语数据上继续训练。基准只测试阿拉伯语能力。它的阿拉伯语表现确实达到前沿水平，但编程和电脑操作能力仍然较弱。来源：X 原帖

中国模型开始成为各国“自研”的上游

HUMAIN-M3 不是孤例。越来越多海外机构说的“自研”，已经不是从第一块 GPU、第一批预训练数据开始。它们掌握本地数据、完成后训练、负责部署和应用，基础模型则从全球开放模型中选择。此前，Llama 是最常见的选择之一；现在，中国模型正在大量进入。

日本乐天发布 Rakuten AI 3.0 时，强调它是一款高性能日语模型。但公开配置文件里，模型类写着“DeepseekV3ForCausalLM”，模型类型则是“deepseek_v3”。仅凭配置不能断言乐天复制了 DeepSeek 权重，却足以说明 DeepSeek 定义的架构和兼容方式，已经进入日本本土模型的技术路线。

由新加坡国家研究基金支持的 AI Singapore，则把 Qwen3-VL 继续训练成 Qwen-SEA-LION，一口气适配缅甸语、印尼语、菲律宾语、马来语、泰米尔语、泰语和越南语；泰国 CMKL 大学又拿 Qwen3.5 做出泰英双语模型 MANGO。把沙特的阿拉伯语和乐天的日语算上，围绕中国模型及其架构的本地化案例，已经覆盖至少九种非中文语言。九种语言，九套本地数据，名字一个比一个本地，模型卡往前翻一层，却不断出现 Qwen、DeepSeek 和 MiniMax。

Meta 的“牛油果计划”把这套比较带进了美国大厂。据彭博等媒体报道，Meta 在训练代号 Avocado 的新模型时，使用了 Qwen、Gemma 和 OpenAI 的 gpt-oss 等开放模型。连拥有全球顶级研究团队的 Meta，也不再执着于所有训练材料都必须由自己生产。对 Meta 来说，Qwen 不需要变成最终产品，只要能更便宜、更快地补齐能力，就有机会进入训练流程。

Kimi 的故事更是有些玄幻，现有 Cursor 套壳，后有坊间传闻说 Claude 旗下团队因为自家模型成本太高而选择了本地部署 Kimi K3。虽然缺乏可核验的一手身份和部署记录，但能确认的是，Kimi 已经提供接入 Claude Code 的兼容方案；美联社也报道，Mozilla 技术负责人 Raffi Krikorian 把不少日常任务转向 Kimi K3，理由就是更快、更便宜。

MiniMax、Qwen、DeepSeek 和 Kimi虽然隶属不同公司，但是他们的开源路线却得到了一致肯定：成本考量、权重保留，更重要的是，从根本上杜绝了被“制裁”的可能。从头预训练太贵，长期调用闭源模型又把数据和服务交给供应商。中国开放模型填上了两者之间的空白。

Hugging Face 的数据给了这股趋势一个底数。过去一年，中国研发的模型占平台下载量的41%，首次超过美国；仅 Qwen 家族就已经衍生出超过11.3万个模型。下载量仍然不等于商业收入，衍生模型也不等于永久依赖。但当下载、微调、部署和再训练同时发生，中国开放模型就不再只是几款热门产品，而开始成为各国建设本土模型时绕不开的上游。

中国开放模型提高了全球AI及格线

过去几年，GPT 和 Claude 定义了模型能力的上限。新模型发布，首先要证明推理、编程和 Agent 能力离它们还有多远。中国开放模型没有取代这套标准，却改变了及格线：相近能力为什么还要卖得那么贵，为什么不能本地部署，为什么不能让客户继续训练。

一款海外模型今天想证明自己值得采购，只说“比上一代更聪明”已经不够。它还得回答：跟 Qwen、DeepSeek、MiniMax 相比，单位能力贵多少；客户能不能拿到权重；政府和企业能不能把数据留在自己的服务器。当沙特国家级平台、日本企业、新加坡国家项目和 Meta 用自己的行动印证了，中国开放模型就成了一套共同的度量衡。

中国参与建设的世界人工智能合作组织 WAICO，也在推动全球南方的 AI 能力建设；中国还提出面向阿盟建设国际 AI 应用合作中心。HUMAIN-M3 与这条政策方向一致，但目前没有公开材料证明项目由 WAICO 直接撮合。它更像商业需求先跑到了政策所指的方向。

图5  Inferact 确认 HUMAIN-M3 的推理由开源框架 vLLM 支撑
中文翻译：Inferact 表示，HUMAIN-M3 已经在 HUMAIN Node 上线，其底层推理由 vLLM 支撑，采用的是“开放权重模型加开放工具链”的技术栈。来源：X 原帖

中国模型成为度量衡，开放权重方便客户采用，也方便客户换掉底座；模型被重新训练和命名后，中国品牌甚至可能完全消失。MiniMax 使用的是社区许可，严格说更接近“开放权重”，而不是没有限制的开源软件，但这无疑是 token 经济的一种全新范式。