AI-modellen en platforms

Door PIF gesteunde HUMAIN lanceert Humain-M3 Arabisch model op LEAP Riyadh

mm
Voeg Unite.AI toe aan je voorkeursbronnen op Google

HUMAIN, het door het Public Investment Fund gesteunde kunstmatige‑intelligentiebedrijf, kondigde humain-m3 aan op 3 september 2026, waarbij het grensverleggende Arabisch‑taalmodel werd gepresenteerd op LEAP in Riyadh en in een onderzoeks‑preview werd uitgebracht via HUMAIN Node. Opdracht gegeven door HUMAIN en geleverd door MiniMax, werd het model verder voorgetraind op meer dan één biljoen tokens Arabisch‑native inhoud.

humain-m3 is een model met 428 miljard parameters en een mixture‑of‑experts‑architectuur, gebouwd op de MiniMax‑M3‑lijn. Volgens de aankondiging van HUMAIN behaalde het model de hoogste gemiddelde score onder de grensverleggende modellen die getest werden op zeven openbare Arabische benchmarks, met sterke prestaties op het gebied van Arabisch taalbegrip en redeneren.

Arabische benchmarkresultaten

De evaluatie van HUMAIN plaatste het gepreviewde humain-m3‑checkpoint met een gemiddelde van 89,37 % over de zeven benchmarks, gelijk gewogen, voor GPT‑5.6 SOL met 87,30 %, Opus 5 met 87,34 % en het MiniMax M3‑referentie‑checkpoint met 80,34 %, volgens de resultaatstabel die op de modelpagina van HUMAIN Node is gepubliceerd. HUMAIN meldde dat het gepreviewde model vijf van de zeven benchmarks leidt ten opzichte van de sterkste grensverleggende modellen die het heeft geëvalueerd.

De reeks omvat kernbegrip, native en vertaalde kennis, academische examens, taalvaardigheid, waarheidsgetrouwheid en retrieval‑augmented generation. In de resultaten van HUMAIN scoorde humain-m3 86,45 % op AlGhafa voor kernbegrip van het Arabisch, 90,70 % op ArabicMMLU voor brede native‑Arabische kennis, 67,67 % op Arabic EXAMS voor academische examens, 95,44 % op MadinahQA voor Arabische taalvaardigheid, 97,53 % op AraTrust voor waarheidsgetrouwheid en vertrouwen, 94,63 % op ALRAGE voor retrieval‑augmented generation, en 93,20 % op Translated MMLU. Het bedrijf stelde dat de Arabische post‑training gemiddeld negen punten toevoegt ten opzichte van het referentiemodel waarop het systeem is gebouwd, en beschreef de scores als haar eigen evaluatie van het gepreviewde checkpoint.

Architectuur en training

De Node‑pagina beschrijft humain-m3 als het activeren van 23 miljard parameters per token en karakteriseert de onderliggende architectuur als een native multimodale mixture‑of‑experts, ontworpen voor agents. HUMAIN meldde dat het model grensverleggend gereedschapsgebruik en computergebruik aankan voor langetermijn‑agent‑workflows in het Arabisch en Engels, drie denkmodi aanbiedt — altijd‑aan, adaptief en uit — en vanaf het eerste stadium gezamenlijk is getraind op tekst, afbeelding en video, met begrip van lange video’s en native schermbediening.

Toegang via HUMAIN Node

De onderzoeks‑ en evaluatie‑preview is beschikbaar via HUMAIN Node, het platform van het bedrijf dat ontwikkelaars, onderzoekers en ondernemingen toegang biedt tot geavanceerde AI‑modellen en inferentie‑mogelijkheden. Gebruikers kunnen het model uitproberen in een no‑code speelveld of humain-m3 aanroepen via een OpenAI‑compatibel API‑endpoint.

HUMAIN heeft de toegang in niveaus gestructureerd. Het aanmaken van een account opent toegangsmogelijkheden voor het model. Een beperkt‑preview‑niveau biedt het model met een Saoedische alignmentsbeperking, met denken en streaming uitgeschakeld en enige extra latentie. Een onderzoeks‑preview‑niveau levert het volledige checkpoint met denken, streaming en lagere latentie. HUMAIN verklaarde dat de preview‑periode het mogelijk maakt om capaciteiten, veiligheid en afstemming over Arabische dialecten te evalueren met vroege gebruikers vóór algemene beschikbaarheid, en dat gebruikersfeedback de volgende checkpoints vormgeeft.

Het model is het eerste dat beschikbaar is voor preview‑gebruikers op HUMAIN Node, waar het bedrijf meldde dat meer dan 100 grensverleggende, propriëtaire en open‑source modellen van toonaangevende leveranciers al op het platform staan, met bredere toegang die binnenkort wordt geopend. Node biedt één API, sleutel en facturering voor alle modellen, uitgavenlimieten per team en project, en een keuze uit wereldwijde, in‑Koningrijk‑ of soevereine hosting.

Geplande open‑weight release

HUMAIN meldde dat het verwacht de modelgewichten uit te brengen onder de MiniMax Community License zodra de veiligheidstraining en afstemming voltooid zijn, een stap die momenteel voor de volgende maand gepland staat. Het bedrijf positioneerde de preview als een manier voor onderzoekers en ontwikkelaars om het model te testen en feedback te geven vóór die release.

“Arabisch wordt gesproken door honderden miljoenen mensen, maar blijft aanzienlijk ondervertegenwoordigd aan de voorhoede van kunstmatige intelligentie,” zei Tareq Amin, CEO van HUMAIN. “Met humain-m3 investeren we in verandering daarvan.”

HUMAIN stelde dat de lancering twee elementen van haar intelligentiestrategie combineert: het ontwikkelen van AI‑capaciteiten van wereldklasse voor Arabisch en het toegankelijker maken van grensverleggende intelligentie via HUMAIN Node. Naast haar eigen modellen en producten, waaronder de ALLAM‑familie van Arabische modellen, meldde het bedrijf dat het investeert in en samenwerkt met toonaangevende AI‑bedrijven wereldwijd om de toegang tot geavanceerde AI‑mogelijkheden uit te breiden.

Jonas Reeve is een AI-gegenereerde analist bij Unite.AI, met een focus op cognitieve AI, kunstmatige algemene intelligentie (AGI) en de theoretische grondslagen van machine-intelligentie. Zijn werk onderzoekt hoe leren, redeneren, geheugen en abstractie ontstaan in zowel biologische als kunstmatige systemen, en trekt verbindingen tussen moderne AI-architecturen en langdurige vragen in cognitieve wetenschap en filosofie van de geest.
Met een conceptuele en reflectieve benadering, onderzoekt Jonas kaders zoals redeneermodellen, agente systemen, emergente cognitie en align-theorie, met als doel om duidelijk te maken wat vooruitgang naar AGI eigenlijk betekent - en wat niet. In plaats van tijdlijnen of hype na te jagen, benadrukt hij eerst principes, conceptuele rigor en de beperkingen van huidige modellen.
Artikelen geschreven door Jonas Reeve zijn AI-gegenereerd en worden beoordeeld door het redactionele team van Unite.AI om ervoor te zorgen dat ze accurate, duidelijke en verantwoorde discussies over geavanceerde AI-concepten bevatten.