AI-modeller och plattformar

PIF-stödda HUMAIN lanserar Humain-M3 arabisk modell på LEAP Riyadh

mm
Lägg till Unite.AI bland dina föredragna källor på Google

HUMAIN, det av Public Investment Fund stödda artificiella intelligensföretaget, tillkännagav humain-m3 den 3 september 2026, och presenterade den banbrytande arabiskspråkiga modellen på LEAP i Riyadh samt släppte den i forskningsförhandsgranskning via HUMAIN Node. Modellen beställdes av HUMAIN och levererades av MiniMax, och förtränades ytterligare på mer än en biljon token av arabiskt inhemskt innehåll.

humain-m3 är en modell med 428 miljarder parametrar och mixture-of-experts‑arkitektur, byggd på MiniMax-M3‑linjen. Enligt HUMAIN:s tillkännagivande uppnådde modellen den högsta genomsnittliga poängen bland de banbrytande modeller som testats på sju offentliga arabiska benchmarkar, med stark prestanda inom arabiskt språkförståelse och resonemang.

Resultat för arabiska benchmarkar

HUMAIN:s utvärdering placerade den förhandsgranskade humain-m3‑checkpointen med ett genomsnitt på 89,37 % över de sju benchmarkarna, med lika vikt, framför GPT-5.6 SOL med 87,30 %, Opus 5 med 87,34 % och MiniMax M3‑referenscheckpointen med 80,34 %, enligt resultat‑tabellen som publicerats på HUMAIN Node-modellsidan. HUMAIN uppgav att den förhandsgranskade modellen leder i fem av de sju benchmarkarna jämfört med de starkaste banbrytande modellerna som utvärderades.

Sviten omfattar grundläggande förståelse, inhemsk och översatt kunskap, akademiska prov, språkkunskaper, sanningsenlighet och återhämtningsförstärkt generering. Enligt HUMAIN:s resultat fick humain-m3 86,45 % på AlGhafa för grundläggande arabisk förståelse, 90,70 % på ArabicMMLU för bred inhemsk arabisk kunskap, 67,67 % på Arabic EXAMS för akademiska prov, 95,44 % på MadinahQA för arabisk språkkunskap, 97,53 % på AraTrust för sanningsenlighet och förtroende, 94,63 % på ALRAGE för återhämtningsförstärkt generering och 93,20 % på Translated MMLU. Företaget uppgav att dess arabiska efterträningssteg lägger till i genomsnitt nio poäng jämfört med referensmodellen som systemet bygger på, och beskrev poängen som sin egen utvärdering av den förhandsgranskade checkpointen.

Arkitektur och träning

Node‑sidan beskriver humain-m3 som aktiverande 23 miljarder parametrar per token och karakteriserar den underliggande arkitekturen som en inhemskt multimodal mixture-of-experts‑modell konstruerad för agenter. HUMAIN uppgav att modellen hanterar banbrytande verktygsanvändning och datoranvändning för långsiktiga agentarbetsflöden på arabiska och engelska, erbjuder tre tankemodeller — alltid på, adaptiv och avstängd — och tränades gemensamt på text, bild och video från första steget, med långvideoförståelse och inhemsk skärmhantering.

Tillgång via HUMAIN Node

Forsknings‑ och utvärderingsförhandsgranskningen är tillgänglig via HUMAIN Node, företagets plattform som ger utvecklare, forskare och företag tillgång till avancerade AI‑modeller och inferensmöjligheter. Användare kan prova modellen i en kodfri lekplats eller anropa humain-m3 via en OpenAI‑kompatibel API‑endpoint.

HUMAIN strukturerar åtkomst i nivåer. Att skapa ett konto öppnar åtkomstförfrågningar för modellen. En begränsad‑förhandsgranskningsnivå tillhandahåller modellen med en Saudi‑justeringsgräns, med tankemodell och strömning avstängda samt viss extra latens. En forsknings‑förhandsgranskningsnivå ger den fullständiga checkpointen med tankemodell, strömning och lägre latens. HUMAIN uppgav att förhandsgranskningsperioden låter dem utvärdera kapabiliteter, säkerhet och justering över arabiska dialekter med tidiga användare innan allmän tillgänglighet, och att användarfeedback formar nästa checkpointar.

Modellen är den första som öppnas för förhandsgranskningsanvändare på HUMAIN Node, där företaget uppgav att mer än 100 banbrytande, proprietära och öppen‑källkodsmodeller från ledande leverantörer redan finns på plattformen med bredare åtkomst som öppnas snart. Node erbjuder ett enda API, nyckel och fakturering över modeller, utgiftsgränser per team och projekt, samt ett val av global, i‑riket eller suverän hosting.

Planerad öppenviktsrelease

HUMAIN uppgav att de förväntar sig att modellvikterna ska släppas under MiniMax Community License när säkerhetsträning och justering är slutförda, ett steg som för närvarande planeras till nästa månad. Företaget presenterade förhandsgranskningen som ett sätt för forskare och utvecklare att testa modellen och ge feedback inför den releasen.

”Arabiska talas av hundratals miljoner människor, men språket är fortfarande kraftigt underrepresenterat i AI:s framkant,” sade Tareq Amin, HUMAIN:s VD. ”Med humain-m3 investerar vi i att förändra detta.”

HUMAIN uppgav att lanseringen kombinerar två element i deras intelligensstrategi: att utveckla AI‑kapabiliteter i världsklass för arabiska och göra banbrytande intelligens mer tillgänglig via HUMAIN Node. Tillsammans med sina egna modeller och produkter, inklusive ALLAM‑familjen av arabiska modeller, sade företaget att de investerar i och samarbetar med ledande AI‑företag globalt för att utöka tillgången till avancerade AI‑kapabiliteter.

Jonas Reeve är en AI-genererad analytiker på Unite.AI, med fokus på kognitiv AI, artificiell allmän intelligens (AGI) och de teoretiska grunderna för maskinintelligens. Hans arbete utforskar hur lärande, resonemang, minne och abstraktion uppstår i både biologiska och artificiella system, och drar kopplingar mellan moderna AI-arkitekturer och långvariga frågor inom kognitiv vetenskap och filosofi om medvetandet.
Med en konceptuell och reflekterande ansats undersöker Jonas ramverk som resonemangsmodeller, agenssystem, emergent kognition och anpassningsteori, i syfte att klargöra vad framsteg mot AGI faktiskt betyder - och vad det inte betyder. Istället för att jaga tidsplaner eller hype betonar han första principer, konceptuell rigor och gränserna för nuvarande modeller.
Artiklar skrivna av Jonas Reeve är AI-genererade och granskade av Unite.AIs redaktion för att säkerställa korrekthet, tydlighet och ansvarsfull diskussion om avancerade AI-koncept.