一句话结论，KRAFTON 旗下人工智能分支 KRAFTON AI 在 10 月 25 日预览开源的 Raon-1 mini 是一个 30B 总参数、激活 4B 的混合专家模型，主打韩语母语表达与智能体执行能力，18 项基准里的韩语对话和指令遵循两项拿到同尺寸开源模型最高分，权重以 Apache 2.0 许可直接放在 Hugging Face 上，API 在发布期间限时免费。
游戏公司自己从头训一个大模型，这件事过去几年被反复讨论过，多数时候最后落点是拿来当营销素材。KRAFTON 这次的取向不一样，模型、训练方法、推理接口一次性放出，没有申请审核也不要求商业授权，开发者可以直接下载权重自己部署。
Raon 这个名字来自韩语，官方网站的自我表述是面向更开放世界的韩语智能。模型全名叫 Raon-1 mini preview，看 preview 这个后缀就知道它还不是最终形态，正式版与更大的后续模型在计划之中。这个系列延续了 KRAFTON 一贯的路径，先在自家业务场景里验证通用能力与编程能力，再把权重放出来。
30B 总参数激活 4B 的架构选择
Raon-1 mini 采用混合专家架构，总参数 30B，每个 token 只激活其中 4B。这条路线在近两年的开源模型里已经成为共识，成本重心压在推理效率上，参数规模本身反倒退到了次要位置。
它在这个基础上加了两个具体设计。线性注意力负责让模型在对话变长时仍然能把关键信息组织好，官方说法是即使会话增长也能保持信息有序。推测解码则是用一个小型草稿模型先猜出后续可能的词，再由大模型并行验证，答案生成速度因此高于逐词生成。
| 架构要素 | 具体配置 | 设计目的 |
|---|---|---|
| 总参数 / 激活参数 | 30B / 4B | 混合专家，每个 token 只算需要的那部分 |
| 注意力机制 | 线性注意力 | 长对话下保持信息有序 |
| 解码方式 | 推测解码 | 小模型草稿加大模型并行验证，提速 |
| 语言侧重 | 韩语为核心，英语流利 | 面向韩语母语人群优化 |
| 开源许可 | Apache 2.0 | 无需商业授权，改造成本极低 |
| 权重获取 | Hugging Face 直接下载 | 无审核门槛 |
官网把它的产品定位讲得很直白，一个小而有力的 30B A4B 模型，靠推理效率取胜，同时具备可用于智能体场景的执行能力。三个特性被单独拎出来强调，推理快且省算力，韩语表达自然且英语同样流利，指令遵循精确并且能跑多步任务。
18 项基准的完整对照表
官方拿同为 30B 量级的四个开源模型做对照，分别是 Qwen3.6 35B-A3B、Gemma 4 26B-A4B、Qwen3.8 27B 和 Meta 的 Muse Glimmer 30B。下面这张表是官网给出的对照数值，每行第一列是基准名，最后一列是同尺寸稠密模型的参考值。
| 基准 | Raon-1 mini 30B-A4B | Qwen3.6 35B-A3B | Gemma 4 26B-A4B | Qwen3.8 27B | Muse Glimmer 30B | 稠密参考 |
|---|---|---|---|---|---|---|
| MMLU Pro | 76.5 | 85.9 | 82.9 | 85.7 | 84.0 | – |
| GPQA Diamond | 84.3 | 83.2 | 80.7 | 89.7 | 82.6 | – |
| IFBench | 84.2 | 66.6 | 80.9 | 82.4 | 78.7 | – |
| SWE-Verified | 70.8 | 63.2 | 61.6 | 74.6 | 72.0 | – |
| BrowseComp Plus | 55.7 | 34.8 | 32.2 | 58.0 | 52.8 | – |
| AA-LCR | 67.3 | 69.3 | 67.0 | 80.3 | 81.3 | – |
| Chatbot Korean（内部） | 92.9 | 74.5 | 90.6 | 90.1 | 87.0 | – |
| AA-Omniscience | -7.2 | -46.6 | -0.5 | -34.7 | – | Dense |
这张表值得看的地方在分布形状，数字本身反而次要。Raon-1 mini 在八项里没有一项是绝对第一，但也没有一项塌方，整体位置在对照组的中间偏上。它的强项集中在两处，IFBench 指令遵循 84.2 分，比 Qwen3.6 的 66.6 分高出将近 18 分，比 Muse Glimmer 30B 的 78.7 分高出 5.5 分。Chatbot Korean 92.9 分是五个模型里最高的，比 Qwen3.6 高出 18.4 分。
弱项也很清楚。MMLU Pro 只有 76.5 分，在对照的四个混合专家模型里最低，比最高的 Qwen3.6 少了 9.4 分。AA-LCR 长上下文推理 67.3 分同样偏低，比 Muse Glimmer 30B 少了 14 分。AA-Omniscience 这项是负数越小越好，Raon-1 mini 的 -7.2 排在第二，Qwen3.6 的 -46.6 垫底。
官网对这张表的读法是，在知识、科学推理、指令遵循三类上拿到同尺寸混合专家模型中的最高分，在搜索、编码智能体、韩语对话三类上也拿到同尺寸最高分。这个说法逐条核对下来，与表格里的排序一致。
几个基准各自在测什么
光看分数容易误判，基准本身的含义更值得拆。
AA-Omniscience 测的是模型在众多领域的答题准确率，以及在不知道时是否知道自己不知道，分数越高代表正确答案多、幻觉少。这项负数最小意味着模型更愿意承认无知，对做面向终端用户的助手是个正面信号。
GPQA Diamond 是用专家撰写的生物、物理、化学多选题，难度高到搜索网页也未必能答对，考察的是科学知识与推理。84.3 分在这个量级的模型里属于中上。
IFBench 测的是回答是否严格遵循格式、长度、措辞等细节约束，越高说明约束满足得越完整。这一项上 Raon-1 mini 领先幅度最大，和它把指令遵循当作产品目标的设计吻合。
SWE-Verified 测编码智能体读懂代码库并修复真实 GitHub issue 的能力，70.8 分在对照里排第三，低于 Qwen3.8 27B 的 74.6 分和 Muse Glimmer 30B 的 72.0 分，高于 Qwen3.6 的 63.2 分和 Gemma 4 的 61.6 分。
BrowseComp Plus 测检索研究能力，题目只能靠搜索并组合多份网页文档才能回答。55.7 分接近 Qwen3.8 的 58.0 分，远高于 Qwen3.6 的 34.8 分和 Gemma 4 的 32.2 分。
Chatbot Korean 是内部基准，测韩语口语在多种对话场景下的自然程度。官方自己也标了内部两个字，这类内部指标的可比性要打折扣，跨基准论文去对照时需要留意。
AA-LCR 测超长上下文下的推理，官方没有展开定义。67.3 分在这个组里偏低，长上下文是当前稠密与混合专家模型分化的重灾区，混合专家在长上下文上掉分是普遍现象。
拿到权重之后能做什么
模型权重在 Hugging Face 上的 KRAFTON 组织下以模型卡描述的许可发布，名字是 raon-1-mini-preview。网站同时提供 API，发布期间限时免费，但需要走一个申请流程，填姓名、邮箱、所属机构、角色和预期用途，通过后邮件发放控制台邀请码，验证邮箱并设密码后拿到 API key，之后可以在 Playground 里试、在 API 文档里查接口细节。免费期会按用户设 token 用量和请求数上限，未来是否收费另行公告。
申请表单里让用户勾选预期用途，选项包括 AI 智能体与工具调用、对话式 AI、编程辅助、翻译摘要、内容生成、数据提取分类、客服、内部生产力工具、游戏与互动内容。这个清单基本就是官方眼中 Raon-1 mini 的应用场景排序，前两项和后两项同时出现，说明它被定位成一个能干活的生产模型，而不只是聊天玩具。
KRAFTON 的模型矩阵也不止语言模型。官网同时列出了 A.X-K2-Raon-Speech-21B-A3B 语音模型、Raon-Speech-9B、Raon-SpeechChat-9B、Raon-TTS-0.3B 语音合成、Raon-VisionEncoder 视觉编码器。一个游戏公司把语音、视觉、文本三条线同时推，说明 Raon 系列的目标是覆盖游戏与内容生产里的多模态需求，语言模型只是其中一环。
和同路线开源模型的取舍
把 Raon-1 mini 放到更大的开源版图里看，30B 总参数激活 4B 这个位置已经相当拥挤。站内此前的 Recursive Flint 把 40B 模型压到只激活 2.5B 走的是同一条路，激活比例甚至更激进，本地跑到 131 tok/s。两条路线的差别主要在训练数据与目标市场的语言侧重，一个偏代码效率，一个偏韩语母语表达。
Meta 的 Muse Glimmer 30B 是官方对标的首要对象，这个系列此前我们在 Meta Muse Wonder 主动记忆与百万上下文的拆解 里详细拆过，同一家的产品线在往长期记忆和超长上下文方向推。Raon-1 mini 在指令遵循与韩语对话上压过 Muse Glimmer，在长上下文和知识题上落后，差异分布很清晰。
与国产模型的对照更有意思。Qwen3.6 35B-A3B 和 Qwen3.8 27B 在知识与长上下文上明显更强，Raon-1 mini 的优势集中在指令遵循和韩语对话。讯飞星火 X2.6 也在 端侧与云侧协同的评测 里展示了国产模型在 BFCL 上的推进，同一个时间点上各家的取舍完全不同。
从成本角度看，激活 4B 的模型在推理账单上有天然优势。这个模型对做韩语市场的团队最有价值，海外开发者拿它做通用任务时，Qwen 系列通常在能力上更划算，除非确实需要韩语母语级表达或者严格的指令遵循。
FAQ
Raon-1 mini 可以商用吗
可以。模型以 Apache 2.0 许可发布，权重在 Hugging Face 上直接下载，没有申请审核环节也不要求商业授权。这是这一轮开源里最干脆的一点，改造和商用成本被压到最低。相比那些需要签协议、申请审批的商业模型，评估周期短得多。
韩语能力具体强到什么程度
官方用内部的 Chatbot Korean 基准测口语自然度，Raon-1 mini 得 92.9 分，是五个对照模型里最高的，Qwen3.6 是 74.5 分。需要注意这是内部基准，官方自己也标注了，跨论文比较时要谨慎。要得到确切结论，合理的做法是拿自己的韩语业务数据实测，看口语化表达和术语准确性是否达到预期。
现在就用还是等正式版
名字里的 preview 说明它还在预览阶段，官方表示正式版与更大的后续模型即将推出。如果是要上生产，谨慎起见等正式版；如果目的是先摸清这个 30B A4B 模型的推理成本和响应表现，发布期间限时的免费 API 正合适，可以先用真实业务流量跑一轮，把延迟和 token 开销测出来再做决策。
小结
Raon-1 mini 是一款定位清晰的开源模型，用 30B 总参数激活 4B 的混合专家结构换推理效率，主攻韩语母语表达、精确指令遵循和智能体执行三件事。它在八项对照基准里没有拿到第一，也没有塌方，整体是同尺寸组里的中间偏上位置。
值得关注的两个点。一个是它的应用优先级，指令遵循 84.2 分大幅领先同组对手，说明训练和后训练阶段在这上面花了不少功夫，对做工作流自动化的团队价值直接。另一个是它的开放程度，Apache 2.0、权重直下、API 限时免费、没有审核，这是游戏公司做开源模型时少见的手笔。
短板同样清楚。知识类基准 MMLU Pro 落后同组 9 分以上，长上下文推理 AA-LCR 落在最后一位，内部韩语基准的可比性需要打折。韩语母语之外的用户，Qwen 系列目前是更理性的选择。
相关阅读
- Recursive Flint 开源，40B 模型只激活 2.5B
- Meta Muse Wonder 深度，主动记忆与百万上下文
- 讯飞星火 X2.6，293B 国产算力训练与端侧评测
- Cohere Rerank 5，BRIGHT 82.2 分与 token 节省
延伸阅读
- 小红书 FireRedTTS3 开源：统一语音生成与编辑，24 语种 21 种中文方言零样本克隆1 月前
- Qwen-Image-2.1 开源：7B 参数统一文生图与编辑，原生透明图 + 10 张参考图1 月前
- 千问N1系列AI眼镜发布：2899元起、支持眼动交互与健康监测2 周前
- Qwen-Audio-3.0 语音模型系列上线千问平台：ASR、TTS、Realtime 三箭齐发1 月前
继续读
同一批更新里这几篇值得一看：
- OpenMobile-2 开源手机智能体：110 个应用，79.9 分2026-10-26
- Carbon-X：DNA 基准 66.7 分，成本仅 GPT-6.1 的 1/18002026-10-23
- IBM Granite Speech 5.0 开源：英文词错率 5.68%，开源第二2026-10-23
想快速查定义？对应的词条在这里：
- Qwen词条 · AI 自学笔记