11月26日消息，新加坡国家人工智能计划（AISG）迎来关键战略转向，在最新的东南亚语言大模型项目中，放弃Meta的模型，转而采用阿里巴巴的通义千问（Qwen）开源架构。这一决策不仅体现了技术路线的重新思考，更标志着中国开源AI模型在全球影响力的显著扩展。
11月25日，AISG发布基于Qwen架构的“Qwen - SEA - LION - v4”模型，该模型迅速登顶一项衡量东南亚语言能力的开源榜单。长期以来，以Meta的Llama系列为代表的西方开源模型在处理印尼语、泰语、马来语等区域性语言时表现不佳，严重阻碍了本地化AI应用的开发效率。尽管Llama在开源模型中性能领先，但其“英语中心主义”的底层设计难以改变，在处理泰语、缅甸语等非拉丁语系文字时效率极低。AISG逐渐意识到，依赖硅谷的开源模型并非东南亚国家的最优解，必须寻找真正具备多语言理解能力、尤其是亚洲语言语境的基础模型。
在此背景下，AISG将目光投向中国，选择以阿里的Qwen3 - 32B作为新一代Sea - Lion模型的基座。Qwen3在预训练阶段使用了高达36万亿个token的数据，覆盖全球119种语言和方言，具有“原生多语言能力”。这使得它不仅能识别印尼语、马来语等文字，更能从底层理解其语法结构，大幅降低了AISG后续训练的技术门槛。
展开剩余49%为更好适配东南亚语言独特的书写习惯，Qwen - SEA - LION - v4摒弃西方模型常用的“句子分词器”，采用更先进的字节对编码（BPE）分词器。该技术能精准切分泰语、缅甸语等无空格语言中的字符，显著提升翻译准确度与推理速度。
除了技术优势，商业落地的现实考量也是阿里胜出的关键。东南亚地区有大量中小企业，难以承担昂贵的H100 GPU集群。而经过优化的Qwen - SEA - LION - v4可在配备32GB内存的消费级笔记本电脑上流畅运行，使普通开发者也能在本地部署这一国家级模型，精准契合了该地区算力资源稀缺的痛点。
此次合作是深度的双向融合。阿里提供强大的通用推理底座，AISG贡献经过清洗的1000亿个东南亚语言token，这些数据规避版权风险，且东南亚内容浓度高达13%，是Llama2的26倍。在Sea - Helm评估榜单中，搭载阿里技术核心的Sea - Lion v4迅速登顶同量级开源模型榜首，验证了这一战略合作的技术价值与区域适配性。
新加坡AISG的这一战略转向，不仅为东南亚语言大模型的发展提供了更优解决方案，也凸显了中国开源AI模型在全球市场的竞争力和影响力，为未来国际间的技术合作与交流提供了有益的范例。
发布于：湖南省恒汇证券提示：文章来自网络，不代表本站观点。
