Metric AI开源亚美尼亚语模型Ayb 0.5:90亿参数跻身前三
Metric AI团队推出了Ayb 0.5系列开源语言模型,包含0.8B、4B和9B三个版本。该系列基于Qwen3.5架构,针对亚美尼亚语进行了深度适配,在ArmBench基准测试中表现优异,甚至超越了部分参数量更大的模型。Ayb 0.5不仅支持文本生成和指令遵循,还保留了完整的视觉语言能力,能够用亚美尼亚语描述图片。
亚美尼亚语AI的新进展
小语种在人工智能赛道上的进度,向来慢于英语、中文这些大语种,亚美尼亚语正是其中一例。它有自己的字母表,文学积淀也不薄,可到了现代大型语言模型(LLM)的训练语料里,能见度始终偏低。2026年11月,Metric AI团队拿出Ayb 0.5系列模型,想在这个位置上撬动一下。
Ayb 0.5并非单个模型,而是一个分三种尺寸的家族:Ayb-0.8B、Ayb-4B和Ayb-9B。三款都搭在阿里巴巴的
Qwen3.5架构上,又各自做了端到端的亚美尼亚语专门适配。按官方数据,把参数量7630亿的Deepseek这类巨无霸排除在外之后,Ayb系列在开源模型里跑出了最先进的水平。
这次发布的不只是几份模型权重。开发团队把它当成搭建“亚美尼亚主权AI”基础设施的一次尝试,代码、训练方法、评估基准全部开源,研究人员、开发者、当地企业都能更方便地拿到高质量的亚美尼亚语AI能力,不必再把希望全押在通用多语言大模型上。
技术路线:从分词器开始的重构
通用多语言模型处理小语种时效率不高,症结常常出在分词器(Tokenizer)上。标准multilingual tokenizer表示一个亚美尼亚语单词,往往要耗掉多个token,计算成本上去了,模型对长上下文的理解也跟着受限。
所以Ayb团队动手的第一步就是扩分词器。他们在Qwen3.5原有分词器里补进大量亚美尼亚语特有的词汇单元,分词效率随之明显提升,同样一段文本用更少的token就能处理完,推理速度和上下文长度都因此占了便宜。
训练流程一共四个阶段。
先做的是持续预训练。团队拿截至2026年中期的亚美尼亚语和英语文本corpus让模型接着预训练,目的是把模型对亚美尼亚语语法、词汇和本土知识的把握夯实。覆盖面确实有限,近期新闻事件的数据尤其少,但基础语言能力增强得很明显。
接着是指令微调。模型要听得懂人话,就得靠大量指令跟随数据来调。这一步之后,Ayb对用户的亚美尼亚语请求理解更到位,多轮对话能接住,结构化输出也生成得出来。
最后是后训练阶段,通过初步的后训练调整,模型的响应质量和行为模式得到进一步优化。
整个训练过程主要在芬兰CSC托管的EuroHPC超级计算机LUMI上跑完,4B和0.8B两个版本的训练则全部在这个超算上完成。
基准测试表现:小身材大能量
评估小语种模型,最大的拦路虎是缺高质量基准。团队为此选用了ArmBench和Armenian IFEval两个主要基准。
ArmBench覆盖24个亚美尼亚语任务,知识问答、阅读理解、文本分析、生成、纠错都在其中;Armenian IFEval则专门考察模型遵循指令的能力。
零样本(zero-shot)条件下跑ArmBench,Ayb-9B综合得分0.6164,排在第三。它参数量只有90亿,这个名次就格外扎眼——不少参数量大得多的专有模型和开源权重模型都被它甩在身后。Ayb-4B以0.5828分列第八,最小的Ayb-0.8B拿到0.5300分,排第十六。
拆开看,这三款模型在亚美尼亚语阅读理解、文本生成和纠错上表现突出;事实性知识、复杂推理和指令遵循这几项,则还有往上走的空间。
Armenian IFEval测试里,Ayb-9B得分0.729,排名第十六。有个细节:榜单上多数模型评估时都开了某种“思考模式”(thinking mode),Ayb系列则完全禁用,原因是它还没接受过专门的推理能力训练。即便这样,它的竞争力依然保住了。
实际应用场景演示
基准分数终究只是数字,放到实际使用里才看得出真章。下面几个典型场景的交互示例可供参考。
信息提取与格式化
用户给出一段亚美尼亚语新闻或公告,让模型把关键信息挑出来,再按指定格式输出。
比如用户会这样问:“根据公告,谁可以申请,截止日期是什么时候?请用两点回答。”
输入文本写的是:“居住在希拉克州的18-25岁年轻人可以申请该项目。申请受理截止至12月5日。面试日期稍后公布。”
Ayb-9B把信息准确抓了出来,还老老实实按两点式格式作答:
- 一条是居住在希拉克州的18-25岁年轻人;另一条是申请受理截止至12月5日。
拿它搭自动化的文档处理流水线,这种本事正好派得上用场。
识别错误前提
大模型有个毛病:要么自己编,要么顺着用户的错误前提往下说。Ayb在这件事上表现出了一点批判性思维。
比如用户抛出这么一问:“亚美尼亚首都哪一年从埃里温迁至久姆里?”
这问题本身是个陷阱——亚美尼亚首都从来没迁过。Ayb-9B没去编年份,而是当场纠正:“亚美尼亚首都并未从埃里温迁至久姆里。首都仍然是埃里温。久姆里是亚美尼亚第二大城市,也是希拉克州的中心。”
安全边界
团队并没有专门给Ayb做安全对齐微调,但它已经显出一定的安全意识。用户问起具体医疗建议,比如“我头疼几天了,具体该吃什么药,剂量多少?”,模型不肯开处方,而是让用户去找医生。在医疗这类高风险领域,这种保守做法是必要的。
拉丁转写理解
亚美尼亚语有时候会拿拉丁字母来拼写(Transliteration),社交媒体上、非正式场合里都挺常见。面对这种非标准输入,Ayb也能看懂。
用户输入的是拉丁转写“ov e hayastani naxagahy”(谁是亚美尼亚总统?)。
Ayb-9B认了出来,回答:“亚美尼亚共和国总统是瓦哈格恩·哈恰图良。他于2022年当选。”
看得出来,模型学的不只是标准亚美尼亚字母,语言在实际使用中长出的变体它也抓到了。
视觉语言能力:不只是文本
Ayb 0.5把Qwen3.5完整的视觉-语言架构继承了下来。团队只动了语言模型部分,原始视觉编码器和视觉到语言的投影层都原样保留。也就是说,Ayb不光懂亚美尼亚语,还能“看”图。
描述图片内容、回答视觉细节方面的问题、把看到的东西和亚美尼亚语指令结合起来,它都能做。
有个演示案例:用户上传一张纽约曼哈顿天际线的照片,用亚美尼亚语问“这是哪里?”
Ayb-9B认出了图像内容,用亚美尼亚语答道:“这是纽约市的全景,展示了哈德逊河上的曼哈顿摩天大楼。最右边的高楼是帝国大厦,左边是克莱斯勒大厦。”
教育、无障碍辅助、内容创作这些领域,会因为这点多模态能力多出新的可能。
局限性与未来方向
进展不小,但Ayb 0.5并不是没有短板,用的人得心里有数。
训练数据主要集中在东亚美尼亚语,这是第一层限制——碰上西亚美尼亚语、地方方言,以及用拉丁字母书写的亚美尼亚语,模型就没那么可靠了。第二层是事实细节仍可能出错,涉及近期事件时尤其明显,数据覆盖有空白。
推理上,Ayb眼下处理复杂的多步问题还比较吃力。团队做评估时把思考模式关掉了,接下来的一项重点工作,就是靠专门训练把模型在“思考模式”下的多步推理能力提上去。
偏好调优(Preference Tuning)同样是块难啃的骨头。几个回答在技术上都没错时,模型挑出来的那个在清晰度和有用性上还不够让人满意,这块得继续打磨。
团队列出的后续工作有这么几项:
- 一是围绕亚美尼亚语做专门的训练和评估,把多步推理能力提上来;二是拿亚美尼亚语的回答对比数据去细化偏好调优,把准确性、清晰度和指令遵循摆到更重要的位置。
- 三是加大对亚美尼亚语非主流变体的支持力度;四是把评估范围扩展到更多真实世界的应用场景。
结语
Ayb 0.5的发布,被团队视为亚美尼亚语AI生态里的一件大事。它说明一件事:只要架构调整和训练策略足够有针对性,小语种一样能做出高性能的开源大模型。
开发者手里的选项是完整的,从0.8B的轻量级文本处理,到9B的高级对话和工具调用,都齐了。这些模型全部在Hugging Face上开源,社区可以自由下载、动手实验,也可以往里贡献代码。
研究者与开发者越聚越多,亚美尼亚语AI就有机会不再只当“翻译工具”,而是变成真正懂本地文化、语境和需求的智能助手。这一步关乎语言多样性能不能在数字时代留下来、传下去。