Metric AI开源亚美尼亚语模型Ayb 0.5:90亿参数跻身前三

资讯 AI 应用前沿 全文 3275 字 · 约 9 分钟读完 配图 1 张 分类Qwen3开源模型发布大模型

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。

所属频道 模型发布开源生态

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:

  1. 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:

  1. 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。
  2. 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。

本文由本站编辑组整理与排版,内容基于公开信息核实后归纳发布,与文中提及的产品、公司无隶属关系。我们持续跟踪 AI 领域的模型、产品与行业动态,力求信息准确、表述清晰;文中涉及的名称、价格与功能细节可能随官方调整而变化,请以官方最新说明为准。如发现疏漏或表述有误,欢迎通过站内渠道反馈指正。

相关推荐 按相关度与热度排序

全部资讯 →
  1. ARTEX开源:AI Agent驱动渗透测试,Planner与Worker如何分工

    ARTEX 是一个基于 LLM Agent 的自动化渗透测试平台,采用 Go 和 Next.js 构建。它通过 Planner 和 Worker 协作,自动梳理资产、生成攻击向量并记录流量。本文介绍其核心架构、部署流程及在授权测试中的实际应用,强调人工复核的重要性。

    来源 AI 应用前沿
  2. OhanASR开源:亚美尼亚语专用ASR模型,流式版同步发布

    Metric-AI 团队发布了首个开源亚美尼亚语自动语音识别模型 OhanASR。该系列包含针对录音优化的 v0.1 版本和用于实时场景的 Streaming 版本,在 ArmBench-ASR 基准测试中表现优异。文章详细解读了模型性能数据、适用场景及当前存在的局限性,为开发者提供技术参考。

    来源 AI 应用前沿
  3. 计算医学补AI制药短板:十部门规划提出新路径

    AI制药发展到今天,出现了一个有些反直觉的现象。 一边,是模型能力的快速跃迁。AlphaFold之后,蛋白质结构预测已经发生根本变化,生成式AI开始进入蛋白设计、小分子设计、抗体发现,生命科学基础模型、大模型和科研智能体不断出现。2026年,OpenAI发布面向生物学、药物发现和转化医学的GPT-Rosalind。Is

    来源 AI 行业观察
  4. 谷歌字节快手集体降价,AI视频进入分秒计价时代?

    (本文作者为 AIX财经,钛媒体经授权发布)文 | AIX财经,作者 | 王璐,编辑 | 魏佳AI视频行业正在靠近一个类似DeepSeek的时刻,模型能力差距收窄,价格被打到分/秒,创作者开始批量调用。11月初,谷歌把视频模型Gemini Omni 1.2 Flash转为正式版,不仅支持15秒视频生成和多轮对话式编辑等

    来源 腾讯网
  5. TML开源新模型,循环Transformer架构,笔记本就能跑

    编辑|Panda昨晚,黎曼猜想的一份 AI 证明声明,把大模型的推理能力再次推到聚光灯下。Anthropic 数学家 Levent Alpöge 宣称,自己与 Claude 合作找到了证明,并公布了形式化材料。虽然这项声明仍待独立核验,但已经让人们重新追问:AI 究竟能完成多复杂的工作?而刚刚,Thinking Mac

    来源 腾讯网
  6. cinecode用代码渲染视频:确定性输出告别AI抽卡

    土耳其开发者开源的 cinecode 技能包,能在 Claude Code 或 Cursor 中运行。它不依赖付费的视频生成 API,而是通过 three.js 和 Canvas 2D 逐帧代码渲染画面,配合自动剧本、专业运镜和 Web Audio 声音设计,输出带配乐的 MP4。支持快速短片和长片审批两种模式,彻底解

    来源 AI 应用前沿
  7. 华为云开源CloudRobo-WM1.2:两项评测第一,11月30日开放权重

    11 月 16 日,华为云发布了昇腾原生具身世界模型 CloudRobo-WM1.2,并表示将在 11 月 30 日开放该模型权重、推理代码和后训练代码。该模型采用共享世界模型骨干网络,通过预测增强世界表征,并基于世界模型原生 DualAct 架构实现动作生成。据华为云介绍,CloudRobo-WM1.2 在 Robo

    来源 AI 行业观察
  8. 腾讯混元团队AMA:Hy4之后还有mini版和更大模型

    今天凌晨,腾讯首席AI科学家、混元大模型负责人姚顺雨与混元团队研究员在Reddit进行了一场AMA(Ask Me Anything,公开问答)。这是混元团队首次在开发者社区公开答问,两小时内共收到300多条留言。从今年3月重建预训练与强化学习基础设施,到11月接连发布Hy4和Hy4 flash,混元用了九个月,跻身全球

    来源 腾讯网
  9. Anthropic CEO敲响纳斯达克:AI发展不能只踩油门

    在纳斯达克开市钟仪式上,Anthropic首席执行官达里奥·阿莫代重申公司对“控制AI发展节奏”的承诺,强调无论面临商业诱惑还是政治压力,都不会为抢先发布而牺牲安全评估。这一表态出现在前沿模型竞赛白热化、华盛顿监管博弈升温的节点上,被解读为对“加速主义”的一次公开回应。

    来源 AI 科技快讯
  10. 没收过钱的DeepSeek,限个流就成罪人了?

    要说哪家大模型公司在科技圈和开发者中口碑最好,DeepSeek 认第二,估计没几家敢认第一。 哥们平时也不买量投流,纯靠模型攒口碑。 但我真没想到,就这么一家浓眉大眼的公司,最近居然被差评(不是我们)轰炸了。 这几天,不管是短视频平台还是应用商店,都能看到大批用户吐槽他们,狂刷一星差评。 有人说“死鲸鱼你不想活了吗……

    来源 AI 行业观察
  11. 谷歌论文曝RSI内部落地:SIM机制让AI经验跨模型遗传

    新智元报道 谷歌内部,或许真正实现了RSI!从此,Gemini已能「继承经验」持续自我进化,Gemini新模型不再从零开始!或许也正是这个原因,谷歌最近跟疯了似的不停发模型。Gemini 4 Hydrogen才发布不到一周,更强的Gemini 4 Neon就来了。答案,或许藏在谷歌与宾夕法尼亚州立大学深夜联合发布的一篇

    来源 腾讯网
  12. 可灵Kling Image 4.0发布:8K原生分辨率,单图支持2000字

    过去几年,AI 生图模型在真实感、分辨率和光影表现上不断刷新人们的认知。但当这些图片真正被用于海报、广告这些商业场景时仍会面临文字能否准确呈现、局部修改是否能保留原有设计等问题。 这些看似不起眼的要求,至今仍是图像模型的难题。(雷峰网) 今年 3 月,微软研究院发布了一项名为 BizGenEval 的商业视觉生成评测,

    来源 AI 行业观察
  13. PremiseCheck研究:让AI审稿先拆断言再核对,成本能降多少?

    先说一个场景。你是一篇论文的作者,凌晨两点打开评审意见,看到这样一条: “这篇论文的可复现性有限,因为只在 Gopher 模型上做了测试,而这个模型既不开放 API 也不开放权重。” 你心里一沉,因为你们明明用的是 OPT-6B,而且附录里专门写了复现步骤。你去 rebuttal 里解释,评审可能不看,AC 大概也不会

    来源 腾讯网
  14. Edge AI Daily 早报(11月20日)-钛媒体官方网站

    Anthropic以83美元定价登陆纳斯达克,首日高开34%,估值约1.5万亿美元;亚马逊谷歌合计持股28.4%,算力承诺近9000亿美元。英伟达Q3营收1158亿美元,董事会接触Arm CEO哈斯接替黄仁勋。OpenAI因训练环境漏洞停训11天,亚利桑那调查AI代理访问银行;谷歌发布Gemini 4 Neon,苹果推

    来源 钛媒体
  15. 上海AI Lab开源Sage S2.1 Flash报告:320B模型四基准SOTA

    只需一个指令,Agent 就能从 12,487 张 CT 图像中,重建一个三维骨骼模型?Sage S2.1 Flash 做到了,它的答案是找出属于目标扫描序列的切片,整理好,再操作医学影像软件 3D Slicer,重建立体可见的骨骼模型。近日,上海人工智能实验室联合复旦大学、中国科学院软件研究所、中国人民大学、中国科学

    来源 腾讯网
  16. 蔚来重写NOMI底层架构:告别九年旧代码,3000项整车能力接入AI

    蔚来NOMI产研团队重写沿用九年的传统规则架构,转向以大模型主智能体为核心的原生技术架构,取消传统单向指令分发流程。新架构4月完成实车概念验证,8至9月完成3000项整车原子能力工具化改造,依托SkyOS·天枢系统运行,更多技术细节与推送计划将在11月25日公布。

    来源 凤凰科技
  17. 光禾AI推企业级智能体平台,FDE模式破解企业改造难题

    大模型进入企业后,如何与内部知识、业务系统和工作流程结合,成为企业推进AI应用的一道实际门槛。员工可以借助通用工具完成问答和内容生成,但涉及内部数据、多系统协作和具体业务执行时,企业仍需要解决系统接入、权限管理和持续运维等问题。 光禾AI选择以企业级智能体平台为底座,通过FDE项目改造服务,将AI能力嵌入企业实际业务。

    来源 AI 行业观察
  18. OhanTTS:亚美尼亚语流式TTS与克隆怎么解决?

    Metric-AI团队推出了专注于亚美尼亚语的文本转语音模型OhanTTS。该模型支持8种语言,具备3-10秒声音克隆能力,并采用流式生成技术,首字延迟低至331毫秒。文章介绍了其性能指标、实际听感演示、开源协议及当前版本的技术局限,为多语言语音交互提供了新的开源选择。

    来源 AI 应用前沿
向下滚动自动加载更多