生活分享

Technology Innovation Institute 發表 Falcon-Emirati-7B：專攻阿聯方言的阿拉伯語 AI 模型，自家評測稱比對手更常用方言作答

Technology Innovation Institute（TII）於 2026 年 10 月 6 日發表 Falcon-Emirati-7B，一款專門理解並使用阿聯（阿拉伯聯合大公國）口語方言的 AI 語言模型。TII 稱，其他阿拉伯語模型常常答對內容，卻用書面的標準阿拉伯語回覆。本文整理 TII 公布的訓練方法、評測數字與使用限制；所有數據均為 TII 單方說法。

閱讀時間約 8 分鐘

Technology Innovation Institute 發表 Falcon-Emirati-7B：專攻阿聯方言的阿拉伯語 AI 模型，自家評測稱比對手更常用方言作答
圖片：Mokaair (Original editorial artwork)

發生了什麼事

根據 Technology Innovation Institute（TII）團隊 2026 年 10 月 6 日在 Hugging Face 部落格發表的文章，該機構推出 Falcon-Emirati-7B。TII 表示，這是建立在其阿拉伯語模型 Falcon-H1-Arabic 之上的方言專精模型，目標是像母語者一樣理解並寫出阿聯方言，包含詞彙、語氣與背後的文化脈絡。

TII 解釋推出的理由：現代標準阿拉伯語（簡稱 MSA）是新聞與教科書使用的書面語言，但阿聯的日常對話、幽默、協商與說故事多以阿聯方言進行。TII 認為，只懂 MSA 的模型可能把一句阿聯方言逐字翻譯出來，卻仍錯失真正的含意。TII 也表示，Falcon-Emirati-7B 已可在其聊天平台上使用。

模型怎麼做出來的

TII 表示，基礎模型 Falcon-H1-Arabic 採用 Falcon-H1 混合架構，在每個區塊內讓兩種處理文字的技術——狀態空間模型（Mamba）與 Transformer 注意力機制——平行運作。該系列依參數量分為 3B、7B、34B 三種規模（B 代表十億，數字越大模型越大），上下文視窗（模型一次能處理的文字長度）最高達 128K 與 256K tokens（token 是模型切分文字的單位）。TII 稱選擇 7B 版本，是因為它在品質與訓練、推論（模型實際運作並產生回答）成本之間取得最佳平衡：34B 的成本對方言專精聊天模型不划算，3B 則沒有足夠餘裕承載所需的文化與語言深度。

TII 指出，要讓模型學會方言有三項困難：阿聯方言多為口語，網路上的書面文本遠少於 MSA；含意常常不是字面意思；而且沒有既定的訓練配方。依 TII 的說法，訓練資料來自三個來源：

  • 以方言原生書寫的阿聯網站與論壇內容，而非由 MSA 翻譯或轉寫而來。
  • 以 MSA 撰寫、關於阿聯文化、傳統與語言的資料，用來讓模型理解相關主題的背景。
  • 合成資料，也就是由另一個模型生成的阿聯方言文本；TII 稱生成時受詞彙表、字典與嚴格風格規則約束，用來補足日常話題的覆蓋範圍。

TII 表示，訓練過程同時採用阿聯母語者人工評估與自動評分，因為自動指標不足以單獨衡量自然度、語氣與文化契合度。

TII 公布的評測結果

TII 使用的主要基準（用來比較不同模型能力的標準測驗）是 Alyah。TII 說明，這是由其團隊與社群釋出、專門評估阿聯方言能力的選擇題測驗，共 1,173 題，題目由阿聯母語者人工蒐集，涵蓋日常問候與禮儀、比喻語言、傳統知識與阿聯詩歌。TII 公布 Falcon-Emirati-7B 在 Alyah 上得分 84.83%，並稱領先其所比較的所有其他阿拉伯語與多語模型，包含數個規模大上許多倍的模型；該比較排除了 Falcon-H1-Arabic 系列。

選擇題只能看出模型能否認出正確答案，因此 TII 另外做了開放式生成評估：讓模型對相同的 1,173 題自行寫出答案，再由另一個 AI 模型 Gemini 3.7 Flash 擔任評審。評審分別評兩件事：內容是否正確，以及答案是否真的以阿聯方言而非 MSA 寫成（下稱「方言忠實度」）。TII 表示，其他模型常常知道正確答案，但即使被以阿聯方言提問，仍預設用 MSA 回答。TII 也在文化理解測驗 ArabCulture-Dialogue 的阿聯部分以 283 個情境測試四個模型，該任務要求從三個選項中選出文化上最合適的回覆。

資料來源：TII 於 Hugging Face 部落格公布的自行評估結果，未經第三方驗證。
模型方言忠實度（部分給分，即評審依程度給分）ArabCulture-Dialogue 阿聯部分準確率TII 的其他說明
Falcon-Emirati-7B0.5285.57%Alyah 選擇題得分 84.83%
ALLaM-7B-Instruct-preview0.0583.39%兩兩比較中在問候類別與 Falcon-Emirati-7B 以 0.50 打平
gemma-3-27b-it0.03TII 未將它列入此項測試只參與開放式生成評估
Jais-2-8B-Chat0.0273.79%問候類別以 0.54 比 0.46 小勝 Falcon-Emirati-7B
Fanar-2-27B-Instruct實質上為 0.0071.50%26.2% 的情況拒絕作答；正確性 0.27 為五者最低

TII 還做了兩兩比較：把 Falcon-Emirati-7B 與另一個模型的答案並排交給 Gemini 3.7 Flash，在不告知哪個答案出自哪個模型的情況下選出較好的一個，再統計各類別的勝率。TII 稱 Falcon-Emirati-7B 在多數類別勝過三個對手。以「詩歌與創意表達」類別為例，對 Jais-2-8B-Chat 為 0.69 比 0.31，對 ALLaM-7B-Instruct-preview 為 0.66 比 0.34，對 Fanar-2-27B-Instruct 為 0.88 比 0.12。在「問候與日常用語」類別，TII 稱 Falcon-Emirati-7B 對 Jais-2-8B-Chat 為 0.46 比 0.54（落後），對 ALLaM-7B-Instruct-preview 打平於 0.50，但對 Fanar-2-27B-Instruct 為 0.70 比 0.30。TII 解釋這是阿聯方言與 MSA 重疊最多的類別，一般阿拉伯語模型較容易在此聽起來自然。

對一般讀者的意義

TII 從這次結果得出的結論是：模型規模本身無法帶來方言能力，方言能力必須刻意訓練，需要專為該方言打造的資料與評估。對一般使用者而言，這提醒我們一件事：聊天機器人「看得懂某種語言」與「能用當地人實際說話的方式回應」是兩回事。若 TII 的說法成立，模型即使答對內容，也可能用偏書面、正式的語體回覆，而不是提問者使用的口語方言。

這項發表針對的是阿聯方言。TII 描述的困難（口語方言的書面資料較少、含意依賴文化脈絡）出自其自身的分析。讀者在評估任何語言模型的在地化能力時，可以留意評測是由誰設計、由誰評分，以及是否有母語者參與。

常見問題

Falcon-Emirati-7B 是什麼？

依 TII 的說明，它是建立在 Falcon-H1-Arabic 7B 版本之上的方言專精 AI 語言模型，目標是理解並寫出阿聯方言，包含詞彙、語氣與文化脈絡。

它和一般阿拉伯語模型差在哪裡？

TII 表示，其他模型常常知道正確答案，但即使被以阿聯方言提問，仍預設以現代標準阿拉伯語作答。在 TII 讓模型自行寫出答案的評估中，Falcon-Emirati-7B「是否以阿聯方言回答」的得分為 0.52，其餘四個受測模型介於約 0.00 至 0.05。這是 TII 自行評估的結果。

這些評測結果可信嗎？

目前看到的只有 TII 單方公布的數字，該文未附獨立驗證。依 TII 的說法，Alyah 測驗由其團隊與社群釋出，部分評估由另一個 AI 模型 Gemini 3.7 Flash 擔任評審。TII 另提到訓練過程有阿聯母語者人工審閱，但也承認方言與文化判斷具有主觀性。

一般人現在可以使用嗎？

TII 表示 Falcon-Emirati-7B 已可在其聊天平台上使用。TII 的文章並未說明是否開放下載模型本身，也未提及授權條款。

模型有哪些已知限制？

TII 指出模型可能反映訓練資料中的偏誤，並可能在罕見用語、高度在地化的指涉或資料不足的情況下出錯。TII 建議在敏感、官方或高風險用途前先針對具體情境評估。

為什麼選 7B 而不是更大的模型？

TII 表示 7B 在品質與訓練、運作成本之間取得最佳平衡。34B 可能讓品質再提升一些，但成本對方言專精聊天模型不划算；3B 則沒有足夠餘裕承載所需的文化與語言深度。

查看同分類最新消息

同主題延伸閱讀

資料來源

生活分享