過去兩年，大模型幾乎是一場僅限於中美的競速賽。

美國科技圈盯着中國模型，計算開源距離閉源前沿還剩幾個百分點；中國公司盯着芯片、訓練成本和發版速度，想知道差距還能壓縮到幾個月。雙方都有自己的前沿模型、算力和完整的互聯網產業，把競爭細化到了小數點上。

那賽場之外的國家着急嗎？

當然急。

據新美國安全中心 CNAS 最新更新的「主權 AI 指數」，截至 2026 年上半年，全球 67 個國家已經推進 184 個政府支持的主權 AI 項目，僅今年上半年就新增 41 個，超過 2024 年全年。越來越多國家想要正面加入 AI 賽場。

9 月 3 日，沙特給出了一條具體路徑。

在 LEAP 2026 上，由沙特公共投資基金設立的 AI 公司 HUMAIN 發布了 HUMAIN-M3，一款面向阿拉伯語世界的前沿模型，在多項阿拉伯語公開測試中，超過了GPT-5.6 Sol和Opus 5，目前在 HUMAIN Node 上開放預覽，並計劃開放權重。

而它的底座來自中國：MiniMax M3。

對許多國家而言，這可能是眼下最現實的一條路：藉助越來越接近閉源前沿的開源模型，從更高的技術起點出發，更快搭建自己的「主權 AI」。

世界上能夠持續訓練前沿基礎模型的公司很少，但想把 AI 掌握在自己手裏的國家卻很多。

兩者之間的量級差，正在給中國開源模型帶來一個更新、更大的海外市場。

「國家」正在成為大模型的新客戶

發布 HUMAIN-M3 的公司HUMAIN，背景有些特殊。

它成立於 2025 年 5 月，由沙特公共投資基金 PIF 設立，董事會主席是沙特王儲兼首相穆罕默德·本·薩勒曼。業務從數據中心、AI 基礎設施與雲，一直覆蓋到模型和應用，承擔着為沙特搭建國家級 AI 能力的角色。

沙特有資本、能源和政府推動力，但模型團隊、訓練經驗和軟件生態需要時間積累。對 HUMAIN 而言，選擇什麼技術起點，直接決定已有資源能以多快的速度轉化為可用的產品。

HUMAIN-M3就體現了這種速度。

從 MiniMax M3 發布到 HUMAIN-M3 上線，中間只隔了三個月。

它建立在 MiniMax M3 系列之上，沿用混合專家架構，總參數量為 4280 億，每處理一個 Token 激活約 230 億參數，並使用了超過 1 萬億個阿拉伯語原生內容 Token 繼續訓練，重點強化阿拉伯語理解和推理。

按照 HUMAIN 公布的七項阿拉伯語公開測試，HUMAIN-M3 拿到五項第一，等權平均分為 89.37%，較 M3 底座模型提高 9.03 個百分點，也高於 GPT-5.6 SOL 的 87.30% 和 Claude Opus 5 的 87.34%。

要知道，此前沙特就有自己的模型ALLAM，阿聯酋和卡塔爾也推出過相應的阿拉伯語模型，HUMAIN-M3 的不同之處在於路徑：藉助MiniMax M3已有的原生多模態、Agentic和百萬上下文等通用能力，僅通過後訓練優化，就能快速獲得一個前沿智能水平的本土模型。

更快，更強，更適配。

這條路徑成立，源於模型能力中存在兩種不同的積累：通用推理、多模態和工具使用可以跨地區複用，語言背後的文化與知識環境仍然需要重新學習。

以阿拉伯語地區為例，當地實際場景中，現代標準阿拉伯語與各種地區方言長期並存，日常表達還會出現英語、拉丁字母和數字的混用，還有特殊的宗教、社會規範、法律和歷史語境，這些都是通用模型暫時覆蓋不到的地方。

尤其是當 Agent 開始替用戶搜索信息、調用工具、執行任務時，本地適配會直接影響它能否找對信息、理解約束並完成工作，語言能力會直接從產品體驗問題，進一步變成執行能力問題。

韓國學者此前就做過一項評測研究，他們通過K-BrowseComp建構了400道測試，讓AI進入韓語網站和本地信息源連續搜索、覈對證據，結果全球前沿模型在人工驗證集上的成績只有 30% 到 45.67%，能力統統打了折扣。

此外，更重要的是，國家級項目還要考慮模型能力能否真的由自己持續掌握。

數據存放在哪裏，模型運行在誰的算力上，能否自行更新，供應商調整服務後業務能否繼續，這些都會影響技術選擇。

Fable 5 的出口管制風波就是一個典型例子，它在 6 月發布，數天後因美國政府的出口管制指令暫停訪問，直到 7 月才恢復全球供應。這場風波持續不到三周，卻足以提醒各國：遠程 API 的訪問權，可能隨着供應商和模型原產國的政策在短時間內發生變化。

本地語言效果、數據位置、部署方式、服務連續性，這些需求疊加在一起，讓越來越多國家開始尋找開源底座。

據CNAS 統計，截至今年 6 月，使用開放權重底座進行本地訓練的主權AI模型項目，數量較 2024 年末已經翻了一倍多。

而開源模型，恰恰是中國的主場。

過去兩年，中國模型依靠持續開源，把前沿能力、成本優勢和開發者生態一起帶到了海外。當主權 AI 開始尋找能夠本地部署、繼續訓練和自主運行的技術底座，像MiniMax M3這樣的中國開源模型就順勢進入了選擇名單。

對中國開源模型來說，這是一個重要的趨勢和機會：國家級客戶，正在成為新的增長點。

從 MiniMax 看，中國開源模型出海正在「變重」

但模型被選中，只是合作的開始。國家級平台還需要把底座與本地數據、算力、安全要求和行業系統連接起來，並持續更新。

中國開源模型的出海姿勢，也會由此發生變化。

早期，開源模型主要通過社區和排行榜獲得海外關注。能力提升、成本下降，讓開發者願意下載權重、本地部署，或接入API，把模型用進自己的產品。

隨着使用規模擴大，下一層問題隨之出現：模型能否在不同硬件上高效運行，能否通過雲平台穩定交付，能否適應當地的數據和業務規則？

到了主權 AI，這些要求被放進同一個建設項目。模型競爭也從單項能力，延伸到訓練、部署和持續服務的整條鏈路。

所謂出海「變重」，就重在這裏：模型背後需要接入更多基礎設施，合作雙方需要投入更多工程資源，交付也從一次接入延長為持續迭代。

以MiniMax為例，它的海外動作，正在更快、更穩地呈現出這條路線。

按照其 2026 年上半年業績公告，MiniMax 的產品和服務已覆蓋超過 230 個國家和地區。而在覆蓋範圍之外，更值得觀察的是它進入海外市場的深度：從芯片適配、託管推理，到本土模型開發，合作正沿着模型運行所需的環節展開。

先看芯片。

2026 年 7 月，在歐洲最大的 AI 峯會RAISE 上，硅谷 AI 芯片和基礎設施公司 SambaNova 用新一代 SN50 芯片運行 MiniMax M2.7，經獨立測評機構 Artificial Analysis 驗證，跑出了全球最快的推理速度。

SambaNova 是一家總部位於硅谷的AI推理芯片公司，入選了 Forbes 2026 AI 50。它的這套方案採用的分離式推理，把模型處理請求的兩個環節拆開：NVIDIA GPU 負責讀取和處理輸入，SambaNova 自研的 RDU 芯片負責生成輸出，讓不同硬件承擔各自更擅長的任務。

對企業來說，這意味着可以保留已有 GPU 集群，再接入新的推理芯片，提高輸出效率。模型適配因此直接關係到客戶現有的算力投入能否用好，以及新增部署是否划算。

MiniMax 與 SambaNova 的合作已經從 M2.5、M2.7 延續到了 M3：8 月，M3 又在 SambaCloud 上線。這種跨代合作說明，雙方在持續處理模型升級與硬件適配的問題，工程經驗也在隨之積累。

再看雲和推理平台。

同樣在 7 月，MiniMax 也與AI 雲基礎設施公司Nebius 達成了獨家戰略合作，成為Nebius Token Factory上首個以專屬合作模式上線的開源模型。Nebius 是目前增長最快的 AI 基礎設施公司之一，旗下的託管推理平台Token Factory目前託管超過 60 個開源模型。

這類平台承擔着模型進入生產環境的另一部分工作：把部署和運行交給基礎設施服務商，讓更多客戶能夠直接使用模型能力。

硬件適配解決運行效率，託管平台擴大可用範圍，兩者共同降低海外客戶採用模型的門檻。

而在此基礎上，HUMAIN的出現，相當於把 MiniMax M3 又向本土模型開發推進了一步，讓當地團隊進一步圍繞底座投入語言數據和訓練資源，從而使模型具備面向本地市場的能力。

芯片、雲平台、本土模型，把 MiniMax 作為一個切片，可以看出中國開源模型出海，已經從單個模型擴展到了圍繞模型形成的整套交付體系。

這種體系一旦形成，合作關係就會加深。海外夥伴圍繞模型投入算力、數據和開發資源，模型廠商則需要持續支持適配與升級。更換底座雖然可行，但也需要重新評測、訓練和調整部署，模型因而更有機會留在客戶的技術生態中。

這對所有中國開源模型廠商而言，都是一個更大且更穩定的長期增長空間。特別是隨着更多主權AI湧現，未來，除了按 Token 計費，模型適配、本地部署、推理優化和長期技術支持，都可能成為開源廠商們的重要收入來源。

儘管今天大多數主權 AI 項目仍然離不開美國公司：GPU、服務器、雲和模型，常常至少佔一層。但各國建設主權 AI 的出發點，恰恰是不想把整套系統押在同一個國家身上。美國越希望其他國家完整採用自己的技術棧，他們就越有動力尋找第二種選擇。

這也是中國開源模型真正有價值的地方。

過去，世界用排行榜衡量中國開源模型。現在，一些國家開始把它放進了自己的 AI 底座裏。

從被看見、被調用，再到成為一個國家級 AI 的技術起點，這比排行榜上的任何一個小數點，都更能說明中國開源模型到底走了多遠。