方言不是口音，是家：Jais 3 和一门语言的自己人
IFM 与 Inception42 发布阿拉伯语模型族 Jais 3：方言不是口音，是家。
说一门语言的人，大概都有过这样的时刻：对面的人字正腔圆，用的全是标准词汇，语法挑不出一点毛病，可你听着就是觉得隔了一层，像是隔着玻璃和人握手。等到某个人张嘴说了一句家乡话，哪怕说得磕磕绊绊，那层玻璃一下子就没了。语言这东西，教科书里的那一份是给外人看的，真正过日子用的那一份，藏在方言、俚语、夹杂着外语单词的半句话里，藏在一个民族自己知道、外人很难学会的分寸里。
我想起这件事，是因为看到阿布扎比那边 10 月 15 日发布的一则消息。据 MBZUAI 旗下基础模型研究所 IFM 和 Inception42 联合发布的新闻稿，他们推出了 Jais 3，定位是面向阿拉伯语的「speech、writing、agents」。说得朴素一点，就是一套专门为说阿拉伯语的人做的模型，能听，能写，还能替人跑腿办事。这几年大模型的新闻看得多了，大部分来自太平洋两岸，偶尔看到一家在别处、为另一门语言下功夫的，反倒让人愿意多看两眼。
先把新闻稿里的事实交代清楚，免得后面的感慨没有着落。Jais 3 不是一个模型，而是一族：6 个开源语言模型，参数从 9 亿到 3750 亿，再加一个叫 Jais Speech 的阿拉伯语语音识别模型。它们全都建在 IFM 上个月发布的开源底座 K2 Horizon 之上。上下文长度是 512,000 个 token，新闻稿称这是阿拉伯语原生模型里最长的。模型当天就可以在 Hugging Face 下载，部署支持 vLLM 和 SGLang，合作方里还有 Cerebras Systems。尺寸跨度这么大，新闻稿说得直白：最小的 9 亿参数模型小到可以在手机上运行，最大的 3750 亿旗舰放在机房里干重活，各有各的去处。
我最在意的，其实是 Jais Speech 那一段。据新闻稿，它覆盖 19 个阿拉伯国家的方言，以及现代标准阿拉伯语；能在嘈杂的环境里工作；遇到阿拉伯语和英语、法语混着说的情况，会保留原文各自的文字，不会强行把英语单词音译成阿拉伯字母；还能识别说话人用的是哪一种方言，并给文字加上元音标记。这几条单拎出来，每一条都很技术，合在一起看，意思就清楚了：做这件事的人，承认阿拉伯语不是一门整齐划一的语言，而是一大片彼此相通、又各不相同的日常。一个在开罗菜市场讨价还价的人，和一个在卡萨布兰卡夹着法语聊天的人，说的都是阿拉伯语，但谁也不会觉得对方说的跟自己一样。
这恰恰是通用大模型最容易犯的毛病。通用模型学语言，靠的是海量文本里的统计规律，哪种说法出现得多，它就学得好；哪种说法藏在口头、很少写成文字，它就学得差，甚至学不会。于是它说起一门语言来，常常像个勤奋的外国留学生，标准、正确、礼貌，唯独不像那里的人。这不是谁的错，是概率使然，就像一台只看过报纸的机器，很难学会弄堂里的骂人话。要补上这一块，没有什么捷径，只能有人专门去收集、去标注、去训练，把那些散在口头的东西一点点捡回来。
新闻稿里给了一组对比，我觉得比任何形容词都有说服力。在 7B 这一档，阿拉伯语的平均分从 K2 Horizon 底座的 56.4，提到了 Jais 3 的 79.6，差不多多了 23 分（这是我自己算的，79.6 减 56.4）。同一个底座，同样的尺寸，专门为一门语言再下一番功夫，分数就是这样的变化。当然，这里得老老实实交代一句：这些分数来自 IFM 和 Inception42 自己设计的 24 项阿拉伯语基准，是官方评测，不是第三方的结论。新闻稿还说，最大的模型在阿拉伯语理解上匹敌最好的开源模型，在 agentic 任务上领先；3.7B 在 5B 以下的开源模型里领先；7B 和 32B 在同尺寸开源模型里阿拉伯语均分最高；Jais Speech 在对比的公开测试集上，平均错误率最低，对比对象里也包括商业语音识别服务。这些说法同样出自官方评测，看的时候心里有数就好。
不过有一件事让我对这些自报的分数多了几分耐心。据新闻稿，他们把评测用的、经过审核的阿拉伯语基准和跑分代码一起开源了，每个模型还附带 5 个训练过程中的 checkpoint，方便别人复现。自己出题、自己考试、自己公布成绩，这在行业里司空见惯，但肯把卷子和草稿纸都摊开放在桌上的，就不那么多了。卷子摊开了，别人就可以拿去重考一遍，考出来什么分数，到时候自然见分晓。我向来觉得，话说得多漂亮不要紧，要紧的是你愿不愿意让人查账。
新闻稿里还讲了一个小例子，很能说明「懂行」和「会说」之间的差别。他们让模型写一封医院预约通知，给了四条约束，其中一条是不许出现某个词。据新闻稿的说法，Jais 3 守住了这条禁令，而他们拿来对比的通用模型，有两次把那个词写了出来。这是官方讲的故事，我没有办法核实，也不知道那个禁词是什么，只能原样转述。但这个例子本身挑得很聪明：在很多文化里，有些话就是不能说，尤其是在医院这种地方，外人觉得无关紧要的一个词，本地人看了可能心里一沉。分寸这东西，靠统计很难学，非得有人告诉你。
至于「agents」那一部分，新闻稿描述的是：接上工具之后，模型可以规划多步任务，搜索网页，读写阿拉伯语的文档、表格、演示文稿和网站。举的例子是做一份阿拉伯语的四页演示文稿，内容是 2026 到 2027 年的厄尔尼诺展望。听起来很能干，但有一处要分清楚：新闻稿里提到的 Jais 聊天应用和移动 App 之外，那个「Jais agentic platform」，写的是 coming soon，也就是还没有上线。模型能做什么，和一个面向普通人的平台什么时候能用，是两件事，不能混在一起说。
写到这里，我想说一点和技术无关的看法。这些年人们谈 AI，习惯谈谁最强、谁第一、谁又超过了谁，好像天下只有一张排行榜，所有人都挤在一条跑道上。可语言不是这样的。一门语言的好坏，不在于它能不能在英文榜单上拿高分，而在于说这门语言的人，用起来顺不顺手，听着像不像自己人。阿拉伯语有那么多国家、那么多方言、那么多夹杂着英语法语的日常对话，指望一个主要在别处训练的通用模型把它们一一照顾到，本身就有点强人所难。与其等别人来照顾，不如自己动手，这个道理放在哪里都说得通。
当然，自己动手也有自己动手的局限。9 亿到 3750 亿的模型族，开源权重，开源基准，听上去都很好，但分数是自己报的，平台还没上线，实际用起来怎么样，要等真正说阿拉伯语的人用上一阵子才知道。我对这类事情一贯的态度是不急着叫好，也不急着唱衰，先看着。好东西不怕看，看得越久越好；不好的东西，看着看着也就露出来了。
我只是觉得，在一个所有人都想做「全世界最强」的年代，有人愿意老老实实地做「这门语言里最懂行的那一个」，这件事本身就值得记一笔。方言不是口音，不是需要被纠正的偏差，它是一群人过日子的方式。机器要是真想听懂人话，就得先学会听懂这些，而这种功夫，从来都是一字一句攒出来的，没有捷径，句号。
来源：IFM × Inception42 新闻稿；项目页。7B 从 56.4 到 79.6 等成绩来自官方评测（基准与 checkpoint 已开源可查）；医院禁词测试为官方叙事；agentic platform 仍为 coming soon。