生活分享

Technology Innovation Institute 发布 Falcon-Emirati-7B：专攻阿联酋方言的阿拉伯语 AI 模型，自家评测称比对手更常用方言作答

Technology Innovation Institute（TII）于 2026 年 10 月 6 日发布 Falcon-Emirati-7B，一款专门理解并使用阿联酋（阿拉伯联合酋长国）口语方言的 AI 语言模型。TII 称，其他阿拉伯语模型常常答对内容，却用书面的标准阿拉伯语回复。本文整理 TII 公布的训练方法、评测数字与使用限制；所有数据均为 TII 单方说法。

阅读时间约 8 分钟

Technology Innovation Institute 发布 Falcon-Emirati-7B：专攻阿联酋方言的阿拉伯语 AI 模型，自家评测称比对手更常用方言作答
图片：Mokaair (Original editorial artwork)

发生了什么事

根据 Technology Innovation Institute（TII）团队 2026 年 10 月 6 日在 Hugging Face 博客发表的文章，该机构推出 Falcon-Emirati-7B。TII 表示，这是建立在其阿拉伯语模型 Falcon-H1-Arabic 之上的方言专精模型，目标是像母语者一样理解并写出阿联酋方言，包含词汇、语气与背后的文化脉络。

TII 解释推出的理由：现代标准阿拉伯语（简称 MSA）是新闻与教科书使用的书面语言，但阿联酋的日常对话、幽默、协商与讲故事多以阿联酋方言进行。TII 认为，只懂 MSA 的模型可能把一句阿联酋方言逐字翻译出来，却仍错失真正的含义。TII 也表示，Falcon-Emirati-7B 已可在其聊天平台上使用。

模型是怎么做出来的

TII 表示，基础模型 Falcon-H1-Arabic 采用 Falcon-H1 混合架构，在每个区块内让两种处理文字的技术——状态空间模型（Mamba）与 Transformer 注意力机制——并行运作。该系列依参数量分为 3B、7B、34B 三种规模（B 代表十亿，数字越大模型越大），上下文窗口（模型一次能处理的文字长度）最高达 128K 与 256K tokens（token 是模型切分文字的单位）。TII 称选择 7B 版本，是因为它在质量与训练、推理（模型实际运行并产生回答）成本之间取得最佳平衡：34B 的成本对方言专精聊天模型不划算，3B 则没有足够余裕承载所需的文化与语言深度。

TII 指出，要让模型学会方言有三项困难：阿联酋方言多为口语，网络上的书面文本远少于 MSA；含义常常不是字面意思；而且没有既定的训练配方。依 TII 的说法，训练数据来自三个来源：

  • 以方言原生书写的阿联酋网站与论坛内容，而非由 MSA 翻译或转写而来。
  • 以 MSA 撰写、关于阿联酋文化、传统与语言的资料，用来让模型理解相关主题的背景。
  • 合成数据，也就是由另一个模型生成的阿联酋方言文本；TII 称生成时受词汇表、字典与严格风格规则约束，用来补足日常话题的覆盖范围。

TII 表示，训练过程同时采用阿联酋母语者人工评估与自动评分，因为自动指标不足以单独衡量自然度、语气与文化契合度。

TII 公布的评测结果

TII 使用的主要基准（用来比较不同模型能力的标准测验）是 Alyah。TII 说明，这是由其团队与社区发布、专门评估阿联酋方言能力的选择题测验，共 1,173 题，题目由阿联酋母语者人工搜集，涵盖日常问候与礼仪、比喻语言、传统知识与阿联酋诗歌。TII 公布 Falcon-Emirati-7B 在 Alyah 上得分 84.83%，并称领先其所比较的所有其他阿拉伯语与多语模型，包含数个规模大上许多倍的模型；该比较排除了 Falcon-H1-Arabic 系列。

选择题只能看出模型能否认出正确答案，因此 TII 另外做了开放式生成评估：让模型对相同的 1,173 题自行写出答案，再由另一个 AI 模型 Gemini 3.7 Flash 担任评审。评审分别评两件事：内容是否正确，以及答案是否真的以阿联酋方言而非 MSA 写成（下称“方言忠实度”）。TII 表示，其他模型常常知道正确答案，但即使被以阿联酋方言提问，仍默认用 MSA 回答。TII 也在文化理解测验 ArabCulture-Dialogue 的阿联酋部分以 283 个情境测试四个模型，该任务要求从三个选项中选出文化上最合适的回复。

数据来源：TII 于 Hugging Face 博客公布的自行评估结果，未经第三方验证。
模型方言忠实度（部分给分，即评审依程度给分）ArabCulture-Dialogue 阿联酋部分准确率TII 的其他说明
Falcon-Emirati-7B0.5285.57%Alyah 选择题得分 84.83%
ALLaM-7B-Instruct-preview0.0583.39%两两比较中在问候类别与 Falcon-Emirati-7B 以 0.50 打平
gemma-3-27b-it0.03TII 未将它列入此项测试只参与开放式生成评估
Jais-2-8B-Chat0.0273.79%问候类别以 0.54 比 0.46 小胜 Falcon-Emirati-7B
Fanar-2-27B-Instruct实质上为 0.0071.50%26.2% 的情况拒绝作答；正确性 0.27 为五者最低

TII 还做了两两比较：把 Falcon-Emirati-7B 与另一个模型的答案并排交给 Gemini 3.7 Flash，在不告知哪个答案出自哪个模型的情况下选出较好的一个，再统计各类别的胜率。TII 称 Falcon-Emirati-7B 在多数类别胜过三个对手。以“诗歌与创意表达”类别为例，对 Jais-2-8B-Chat 为 0.69 比 0.31，对 ALLaM-7B-Instruct-preview 为 0.66 比 0.34，对 Fanar-2-27B-Instruct 为 0.88 比 0.12。在“问候与日常用语”类别，TII 称 Falcon-Emirati-7B 对 Jais-2-8B-Chat 为 0.46 比 0.54（落后），对 ALLaM-7B-Instruct-preview 打平于 0.50，但对 Fanar-2-27B-Instruct 为 0.70 比 0.30。TII 解释这是阿联酋方言与 MSA 重叠最多的类别，一般阿拉伯语模型较容易在此听起来自然。

对普通读者的意义

TII 从这次结果得出的结论是：模型规模本身无法带来方言能力，方言能力必须刻意训练，需要专为该方言打造的数据与评估。对普通用户而言，这提醒我们一件事：聊天机器人“看得懂某种语言”与“能用当地人实际说话的方式回应”是两回事。若 TII 的说法成立，模型即使答对内容，也可能用偏书面、正式的语体回复，而不是提问者使用的口语方言。

这项发布针对的是阿联酋方言。TII 描述的困难（口语方言的书面资料较少、含义依赖文化脉络）出自其自身的分析。读者在评估任何语言模型的本地化能力时，可以留意评测是由谁设计、由谁评分，以及是否有母语者参与。

常见问题

Falcon-Emirati-7B 是什么？

依 TII 的说明，它是建立在 Falcon-H1-Arabic 7B 版本之上的方言专精 AI 语言模型，目标是理解并写出阿联酋方言，包含词汇、语气与文化脉络。

它和一般阿拉伯语模型差在哪里？

TII 表示，其他模型常常知道正确答案，但即使被以阿联酋方言提问，仍默认以现代标准阿拉伯语作答。在 TII 让模型自行写出答案的评估中，Falcon-Emirati-7B“是否以阿联酋方言回答”的得分为 0.52，其余四个受测模型介于约 0.00 至 0.05。这是 TII 自行评估的结果。

这些评测结果可信吗？

目前看到的只有 TII 单方公布的数字，该文未附独立验证。依 TII 的说法，Alyah 测验由其团队与社区发布，部分评估由另一个 AI 模型 Gemini 3.7 Flash 担任评审。TII 另提到训练过程有阿联酋母语者人工审阅，但也承认方言与文化判断具有主观性。

普通人现在可以使用吗？

TII 表示 Falcon-Emirati-7B 已可在其聊天平台上使用。TII 的文章并未说明是否开放下载模型本身，也未提及授权条款。

模型有哪些已知限制？

TII 指出模型可能反映训练数据中的偏误，并可能在罕见用语、高度本地化的指涉或数据不足的情况下出错。TII 建议在敏感、官方或高风险用途前先针对具体情境评估。

为什么选 7B 而不是更大的模型？

TII 表示 7B 在质量与训练、运行成本之间取得最佳平衡。34B 可能让质量再提升一些，但成本对方言专精聊天模型不划算；3B 则没有足够余裕承载所需的文化与语言深度。

查看同分类最新消息

同主题延伸阅读

资料来源

生活分享