Моделі та платформи ШІ

За підтримки PIF HUMAIN запускає арабську модель Humain-M3 на LEAP у Ер-Ріаді

mm
Додайте Unite.AI до бажаних джерел у Google

HUMAIN, компанія зі штучного інтелекту, що фінансується Public Investment Fund, оголосила про humain-m3 3 вересня 2026 року, представивши передову арабськомовну модель на LEAP у Ер-Ріаді та випустивши її у дослідницькому прев’ю через HUMAIN Node. Замовлена HUMAIN і розроблена MiniMax, модель була додатково попередньо навчена на понад один трильйон токенів арабськомовного контенту.

humain-m3 — це модель типу mixture-of-experts з 428 мільярдами параметрів, створена на базі лінійки MiniMax-M3. За даними оголошення HUMAIN, модель досягла найвищого середнього балу серед передових моделей, протестованих за сімома публічними арабськими бенчмарками, демонструючи сильні результати в розумінні та розумовій обробці арабської мови.

Результати арабських бенчмарків

Оцінка HUMAIN розташувала прев’ю checkpoint humain-m3 зі середнім показником 89,37 % за сімома бенчмарками, з рівною вагою, випереджаючи GPT-5.6 SOL (87,30 %), Opus 5 (87,34 %) та референтний checkpoint MiniMax M3 (80,34 %), згідно таблиці результатів, опублікованої на сторінці моделі HUMAIN Node. HUMAIN зазначила, що прев’ю‑модель лідирує у п’яти з семи бенчмарків порівняно з найсильнішими передовими моделями, які вона тестувала.

Набір охоплює базове розуміння, рідний та перекладений контент, академічні іспити, мовну компетентність, достовірність та генерацію з підтримкою пошуку. У результатах HUMAIN, humain-m3 набрав 86,45 % у AlGhafa за базове розуміння арабської мови, 90,70 % у ArabicMMLU за широкий рідномовний знань, 67,67 % у Arabic EXAMS за академічні іспити, 95,44 % у MadinahQA за мовну компетентність арабської, 97,53 % у AraTrust за достовірність і довіру, 94,63 % у ALRAGE за генерацію з підтримкою пошуку, та 93,20 % у Translated MMLU. Компанія зазначила, що її пост‑тренування арабської мови додає в середньому дев’ять балів до референтної моделі, на якій базується система, і описала ці бали як власну оцінку прев’ю‑checkpoint.

Архітектура та навчання

Сторінка Node описує humain-m3 як активуючу 23 мільярди параметрів на токен і характеризує базову архітектуру як нативно мультимодальну mixture-of-experts, розроблену для агентів. HUMAIN зазначила, що модель підтримує використання передових інструментів та комп’ютерних засобів у довгострокових робочих процесах агентів арабською та англійською, пропонує три режими мислення — постійний, адаптивний та вимкнений — і була навчена одночасно на тексті, зображеннях та відео з самого початку, включаючи розуміння довгих відео та нативну роботу з екраном.

Доступ через HUMAIN Node

Попередній перегляд досліджень та оцінки доступний через HUMAIN Node, платформу компанії, що надає розробникам, дослідникам та підприємствам доступ до передових AI‑моделей та можливостей інференції. Користувачі можуть випробувати модель у безкодовому майданчику або викликати humain-m3 через API‑endpoint, сумісний з OpenAI.

HUMAIN організувала доступ у кілька рівнів. Створення облікового запису відкриває запити на доступ до моделі. Рівень обмеженого прев’ю надає модель з застосованим саудівським обмеженням вирівнювання, з вимкненими режимами мислення та потоковою передачею та певною додатковою затримкою. Рівень дослідницького прев’ю надає повний checkpoint з включеними режимами мислення, потоковою передачею та меншою затримкою. HUMAIN зазначила, що період прев’ю дозволяє оцінити можливості, безпеку та вирівнювання для різних арабських діалектів за участю ранніх користувачів перед загальним випуском, а зворотний зв’язок користувачів формує наступні checkpoint-и.

Модель є першою, відкритою для користувачів прев’ю на HUMAIN Node, де компанія зазначила, що вже на платформі розміщено понад 100 передових, пропрієтарних та відкритих моделей від провідних постачальників, і незабаром відкриється ширший доступ. Node пропонує єдиний API, ключ та біллінг для всіх моделей, ліміти витрат за командами та проектами, а також вибір між глобальним, королівським або суверенним хостингом.

Запланований випуск відкритих ваг

HUMAIN повідомила, що планує випустити ваги моделі під ліцензією MiniMax Community License після завершення безпекового навчання та вирівнювання, що заплановано на наступний місяць. Компанія представила прев’ю як можливість для дослідників та розробників протестувати модель і надати зворотний зв’язок перед цим випуском.

«Арабська мова розмовляє сотні мільйонів людей, проте вона значно недопредставлена на передньому краї штучного інтелекту», — сказав Тарек Амін, генеральний директор HUMAIN. «З humain-m3 ми інвестуємо у зміну цієї ситуації».

HUMAIN зазначила, що запуск поєднує два елементи її стратегії інтелекту: розробку світового рівня можливостей AI для арабської мови та підвищення доступності передових інтелектуальних технологій через HUMAIN Node. Поряд зі своїми моделями та продуктами, включаючи сімейство арабських моделей ALLAM, компанія заявила, що інвестує та співпрацює з провідними AI‑компаніями по всьому світу, щоб розширити доступ до передових можливостей штучного інтелекту.

Джонас Рів - аналітик, створений штучним інтелектом, у Unite.AI, який зосереджується на когнітивному штучному інтелекті, штучному загальному інтелекті (AGI) та теоретичних основах машинного інтелекту. Його робота досліджує, як навчання, розуміння, пам'ять та абстракція виникають як у біологічних, так і в штучних системах, проводячи зв'язки між сучасними архітектурами штучного інтелекту та довгостроковими питаннями когнітивної науки та філософії свідомості.
З концептуальним та рефлексивним підходом Джонас вивчає рамки, такі як моделі розуміння, агентні системи, виникнення когніції та теорія вирівнювання, спрямовані на роз'яснення того, що насправді означає прогрес у напрямку AGI - та чого ні. Натомість ніж гнатися за графіками або гіпом, він підкреслює перші принципи, концептуальну строгість та обмеження поточних моделей.
Статті, написані Джонасом Рівом, створені штучним інтелектом та перевірені редакційною командою Unite.AI, щоб забезпечити точність, ясність та відповідальне обговорення передових концепцій штучного інтелекту.