《絕地求生》廠商開源30B模型：修Bug接近Meta，底層用上Kimi和DeepSeek技術

動察 Beating AI 快訊，韓國遊戲巨頭 KRAFTON 發布 Raon-1 mini 預覽版。這是一款從零訓練的 MoE 語言模型，總參數量約 288 億，每次推理僅激活 43 億，重點優化韓語對話、編程和 Agent 能力，支持 26 萬 Token 上下文。

雖然是從零訓練，但底層技術也有中國廠商的影子。它採用混合注意力架構，25 層網絡中有 18 層使用改進自 Kimi Delta Attention 的線性注意力機制。另外，團隊還簡化了 DeepSeek 的 mHC 超連接技術，降低訓練計算開銷。

KRAFTON 公布的測試顯示，Raon-1 mini 在 SWE-Verified 代碼修復測試中取得 70.8%，超過 Qwen3.6-35B-A3B 的 63.2%，接近 Meta Muse Glimmer 的 72.0%。但在 Terminal-Bench Lite 終端操作測試中，它只有 47.0%，明顯落後於 Qwen3.6-35B-A3B 的 63.3% 和 Muse Glimmer 的 70.7%。指令遵循測試 IFBench 則達到 84.2%，高於上述兩款模型。

模型權重已經按 Apache 2.0 協議開放，提供 GGUF、MLX 等版本，支持 Mac 本地運行。NVFP4 量化版可以部署在單張 RTX 5090 上。團隊還提供 DFlash2 推測解碼模型，在單張 NVIDIA B300 的測試中，相比普通解碼最高提升 2.18 倍輸出吞吐量。