Motif 3 正式版以 MIT 授權開放：韓國主權 AI 全面開源

2026 年 8 月 10 日當週末尾，Hugging Face 上出現了不尋常的一幕：三個模型儲存庫在幾分鐘內接連上線，伴隨同一時間發布的 arXiv 技術報告——卻沒有新聞稿、沒有部落格文章、公司官網上隻字未提。這場無聲的發布，正是 Motif Technologies 交付 Motif 3 正式版——韓國旗艦主權 AI 模型——的低調登場，而發布的安靜程度，恰恰與其重要性形成鮮明對比。

釋出了什麼

Motif 3 正式版包含 Hugging Face 上的三個成果：Motif-3-Base（預訓練基礎模型）、指令微調版 Motif-3，以及 Motif-3-NVFP4（供高效部署的量化版本）。三者皆採用 MIT 授權——現有最寬鬆的標準授權條款。這是對七月 Motif-3-Beta 的直接升級：Beta 版因帶有非商業研究限制，數週來一直阻礙企業採用。

實際差異相當可觀。在 MIT 授權下，任何微調服務商、企業或新創都可以自由使用、修改、再散布及銷售權重的衍生作品，無需向首爾申請許可——唯一義務是保留版權聲明。在 AI 模型授權光譜上，MIT 與 Apache 2.0 同級：自由微調、自由商用。

技術報告（arXiv:2608.09119，2026 年 8 月 10 日提交，Junghwan Lim 與 26 位共同作者）同週發布，正是這份文件讓此次發布在開放權重競賽中不僅僅是個註腳。

架構：從零打造

Motif 3 是解碼器架構（decoder-only）的混合專家模型（MoE），總參數量 3,140 億（314B），每個 token 僅啟動 132 億（13.2B） 參數。每個稀疏 MoE 層包含 384 個路由專家，每 token 選取 8 個，外加一個共享專家。實際效益：推論成本接近一個約 13B 的稠密模型，而知識容量卻動用完整的 314B 參數池。

模型在約 12.5 兆 token 上預訓練，涵蓋網頁文件、STEM、程式碼、數學、多語言內容及韓文語料，並原生支援 262,144 token（256K） 上下文視窗。

Motif 3 在架構上的獨特之處，是 Motif 稱之為全自研的設計——並非既有開源架構的重新參數化：

• 分組差分潛在注意力（GDLA）。標準多頭注意力會產生「注意力沉澱」（attention sinks）——不相干 token 累積不成比例的注意力權重。Motif 的 GDLA 結合差分注意力機制（透過相減兩個 softmax 注意力圖來消除雜訊，源自微軟與清華 2024 年的 Differential Transformer 研究）與多頭潛在注意力的壓縮鍵值表示（首見於 DeepSeek-V2），運行 80 個查詢頭與 16 個鍵值頭。成果是更聚焦的注意力與更小的 KV 快取——這正是 256K 上下文視窗無需等比記憶體開銷的關鍵。
• 專家專屬 PolyNorm。以可學習的多項式正規化函數取代每個專家前饋網路中的標準 SiLU 激活函數，係數依各專家獨立學習。這能減少激活離群值——大規模訓練中已知的數值不穩定來源——同時讓各專家發展適合自身 token 型態的正規化設定。
• 修改版流形約束超連接（mHC） 以四條平行殘差流的雙隨機混合，取代傳統的殘差相加。
• 多 Token 預測（MTP）頭實現自投機解碼：輔助頭提出草稿 token、由主模型驗證，無需獨立草稿模型即可提升吞吐量。

在訓練基礎設施方面，報告詳述了用於大規模穩定訓練的專家負載平衡與數值穩定技術、選擇性 MXFP8 運算與通訊、記憶體高效融合核心，以及支援 256K token 訓練的視窗感知上下文平行策略。

訓後流程：六位 RL 教師的蒸餾

訓後（post-training）流程與架構一樣值得關注。Motif 結合了一般性監督微調、六位以強化學習訓練的專家教師、一位以 SFT 訓練的軟體工程教師，以及他們稱為多教師在策略蒸餾（Multi-teacher On-Policy Distillation）的技術——將推理、程式編寫、工具使用、專業領域工作、長上下文理解、校準棄答與指令遵循等互補能力，整併進單一統一模型。值得注意的是「校準棄答」——知道自己何時不該回答——獲得明確重視，這也反映在模型於幻覺敏感評測上的強勁表現。

落點：智慧指數 47 分

正式版在 Artificial Analysis 智慧指數（AAII） 拿下 47 分，較 Beta 版估計的 45 分進步兩分。這讓它位居全球開放權重模型第三——僅次於 Kimi K3 與 GLM-5.2——並成為美國與中國以外地區開發的最高分模型。在韓國主權 AI 計畫第二階段評選中，Motif 3 的 47 分在四個參與的國內模型中居冠。

為什麼重要

背景故事讓此事意義更加鮮明。Motif 之所以獲選進入韓國「Dokpamo」主權 AI 計畫，正是憑藉獨立設計能力——這項要求在 2026 年 1 月淘汰了原本的領先者 Naver Cloud，原因是其模型嵌入了阿里巴巴 Qwen 的凍結編碼器權重。由據報約 30 人團隊打造的 Motif 3，是對這場豪賭的最好背書：幾乎所有帶寬鬆授權、接近前沿的開放權重模型——DeepSeek-V3、Qwen、多數 Mistral 發布——都源自既有的架構譜系。Motif 3 是極少數真正獨立的譜系之一，而且從基礎模型起就採 MIT 授權。

對開發者而言，這代表在 Motif-3-Base 上微調或續訓，能比一般選擇繼承更少的既有設計限制。對韓國而言，這代表一個全世界都能真正採用的主權模型——這是走向相關性的最穩路徑。對開放權重生態系而言，這證明了接近前沿的梯隊已不再是兩國俱樂部。

沒有新聞稿的正式發布，結果成了最響亮的宣言。