TII 发布 Falcon-Emirati-7B：阿联酋方言专项适配，Alyah 基准 84.83%
据 TII 于 2026 年 10 月 6 日发布的官方博客，Falcon-Emirati-7B 在 Falcon-H1-Arabic 基础上做阿联酋方言专项适配，在自建 Alyah 基准上取得 84.83%，并在 LLM 裁判的方言保真度评测中明显领先多个竞品；模型已在其聊天平台提供试用。
发生了什么
据 TII 于 2026 年 10 月 6 日发布的官方博客，TII 推出 Falcon-Emirati-7B，这是一个在 Falcon-H1-Arabic 之上做阿联酋方言专项适配的模型。基础家族采用 Falcon-H1 混合架构，Mamba 状态空间层与 Transformer 注意力在每个模块内并行运行并在投影前融合，家族覆盖 3B、7B、34B 三档，上下文窗口最高 128K 至 256K token，训练数据本身已包含现代标准阿拉伯语与海湾、黎凡特、埃及、马格里布方言的混合。TII 表示选择 7B 是因为它在方言适配所需细腻度与训练、推理成本之间最平衡。数据侧由三类来源构成：阿联酋网站与论坛中原生书写的方言网页文本、关于阿联酋文化与身份的 MSA 语料，以及由词表和文风规则约束的合成方言数据；团队称没有既定的方言适配配方，因此对数据配比、注入阶段与合成数据比例做了消融实验，并同时使用自动评分与母语者审阅。评测方面，模型在 Alyah（1,173 道原生多选题）上得分 84.83%，TII 称领先其对比的所有阿拉伯语与多语种模型，且 Falcon-H1-Arabic 家族因是基座被排除在该对比之外。此外，在同样的 1,173 题开放式生成中，以 Gemini 3.7 Flash 作为裁判，Falcon-Emirati-7B 在方言保真度（部分分）上得 0.52，明显高于 ALLaM-7B 的 0.05、gemma-3-27b-it 的 0.03、Jais-2-8B-Chat 的 0.02 与 Fanar-2-27B-Instruct 的近 0.00；在 UAE 部分的 ArabCulture-Dialogue 多选题上得 85.57%。模型已在 TII 的聊天平台开放试用。
对开发者的影响
这项发布对开发者的直接影响在于，它把“通用阿拉伯语模型能否直接承接方言场景”这个问题具体化了。TII 的评测显示，多个竞品在回答内容上未必错误，但会默认用 MSA 输出，即使用户以阿联酋方言提问，这解释了为何在多语种客服、本地化营销、社区审核或文化相关问答中，通用阿拉伯语模型的失败往往不是“答错”而是“语域不对”。7B 规模与混合架构意味着单卡或小规模多卡部署在理论上是可行的路线，这对需要在本地或私有环境处理用户对话、且对数据外发有约束的团队具备现实意义。需要区分的是，TII 的对比结论来自其自建基准 Alyah 与自选竞品集合，属于厂商评测口径；基座家族被排除比较，也意味着该 84.83% 不宜直接与 Falcon-H1-Arabic 的历史成绩横向对齐。方言能力能否迁移到黎凡特、埃及等其他阿拉伯语方言，来源未给出证据，不应假设。文化适配评测同样只在自建设定的 283 个 UAE 场景上完成。
接入与评估建议
建议一（数据与语域约束）：本次报告的明确变化是训练数据由原生方言网页、文化类 MSA 语料与受词表约束的合成数据三类混合构成，且合成部分被词表与文风规则限制。若你的应用对“回答必须以阿联酋方言书写”有硬性要求，做法是先在自有业务语料上抽样，构造以方言提问的开放式生成测试集，再把评价拆成“内容正确”与“是否以方言作答”两个独立维度；前提是你有母语者可用或可负担人工评审，否则只能依赖自动评分而无法捕捉语气与得体度。可度量的判据是：方言保真度在自建样本上的通过率，以及切换到 MSA 的比例，而不是单一准确率。建议二（规模与部署成本）：本次的明确变化是 TII 只做了 7B 一档并公开说明理由，未发布 34B 方言版。若你的场景是高并发、低延迟的对话服务，优先在 7B 上验证能否达到可接受的自然度；若场景是诗歌、谚语或遗产知识等内容生成，来源指出这些恰是竞品最弱、但模型自身也可能受低资源样本影响的类别，则需评估是否值得改用更大基座再做适配，因为 34B 路线在本发布中并未提供。前提是你的推理预算与延迟预算可量化。可度量的判据是：在固定 QPS 下每千次请求的延迟与成本，以及难点类别上的母语者通过率。建议三（评测可比性）：本次的明确变化是 TII 采用自建 Alyah 基准并排除基座家族参与比较。若你已有既有的阿拉伯语评测流程，做法是保留自有基准作为主口径，把 Alyah 作为参考而非替代，并记录竞品版本与裁判模型版本。前提是你能复现题目或至少固定样本集。可度量的判据是自有基准与 Alyah 上结论是否一致，以及裁判模型更换后排序是否稳定。
限制与待确认事项
需要明确：Falcon-Emirati-7B 当前未出现在 KimiSeek 的实时模型目录中，本文所述可用性仅指 TII 自家聊天平台，不代表本站已上线该模型。来源中的 84.83%、方言保真度 0.52、ArabCulture-Dialogue 85.57% 等数字均出自 TII 自建或自选评测（Alyah、LLM 裁判为 Gemini 3.7 Flash、竞品由 TII 挑选），属于厂商口径，未经第三方独立复现；基座家族被排除比较，限制了与 Falcon-H1-Arabic 的直接对照。TII 自身也在责任与局限部分指出，模型会反映训练数据中的偏差，在罕见表达、高度本地化引用与数据稀少的边缘情形上可能出错，方言与文化得体度在部分场景具有主观性，母语者之间也未必一致，并建议在敏感、官方或高风险用途前针对具体场景做评测。来源未披露权重许可条款、参数激活方式、推理显存与吞吐、API 价格与商用条件，也未给出其他阿拉伯语方言的迁移证据，这些都不会因“开放试用”而自动成立。本文的决策建议属于条件性分析，不是来源所报告的结论。
原报道配图
