台灣福爾摩沙基礎模型躋身 AIEC 前十名

重點摘要

台智雲（台智雲, 7735-TW）表示，兩款福爾摩沙大模型（FFM）在數位發展部於2026年9月底進行的 AIEC 語言模型評測中，綜合排名第九與第十。另一款 FFM 模型也進入前20名。公司強調，模型在台灣文化與價值觀對齊、推理及代理能力方面均有所提升。其模型正用於金融、醫療、法律服務、政府及製造業的主權 AI 專案。評測結果凸顯了因應在地語言、法規與部署需求調整模型的價值，而非只看模型規模。

情緒分析

• 文章整體對台智雲的評測成果持正面態度。內容強調 FFM-Gemma4-31B 和 FFM-Muse-Glimmer-30B 分別取得第九和第十名，且 FFM-Gemma4-26B 進入前20名。
• 文章將模型的台灣價值觀分數，以及在評測和代理任務中據稱取得的進步，視為進展的證據。文章也將在地訓練與部署經驗視為服務台灣特定語言和專業情境的優勢。
• 文章的語氣也兼具策略性與審慎。文章並未主張在所有情況下都應以本地開發模型取代國際系統，而是強調資料所在地、法律管轄權、治理、部署彈性及營運成本等因素。
• 部分說法，包括模型改進及基準測試表現，均歸因於公司或 AIEC 評測。文章未提供每個模型的詳細獨立比較，也未揭露完整評測方法，因此讀者應區分所報告的結果與更廣泛的結論。
• 整體而言，文章對模型進展抱持高度正面態度，同時以中立、資訊性的方式探討主權 AI 相關的政策與採用議題。

文章內文

台智雲（台智雲, 7735-TW）宣布，其福爾摩沙大模型（福爾摩沙大模型, FFM）系列在數位發展部 AIEC 官方語言模型評測中名列前茅。在2026年9月底進行的評測中，FFM-Gemma4-31B 綜合排名第九，FFM-Muse-Glimmer-30B 則排名第十。在公開排行榜中，明確揭露模型規模且參數少於35 billion 的大型模型裡，這兩款模型分別排名第二和第三。FFM-Gemma4-26B 也進入前20名。

台智雲總經理吳漢章表示，主權 AI 仰賴政府與企業能夠掌控模型、資料、部署及治理。在此架構下，本地開發的模型將運算資源與資料連結至實際應用。隨著 AI 成為金融、醫療、法律服務、政府及企業核心流程的一部分，組織需要能持續訓練、依產業規範與治理要求調整，並部署於安全、可控環境中的模型。

吳漢章將 AIEC 評測結果視為台灣訓練的模型即使與大型國際系統競爭，也能取得優異排名的證據。他指出，對台灣語言情境及特定應用需求而言，模型規模與資本投入並非決定效能的唯一因素。他也將成果歸因於公司在自主模型訓練與實際部署方面累積的經驗。

公司表示，其三款 FFM 模型在「台灣價值觀」指標上的分數分別為0.98、0.96和0.94。各模型的分數均高於訓練前的相應模型，部分據報提升幅度超過70%。數位發展部評估模型對台灣特定情境的理解程度，包括語言、社會文化及價值觀。該部也指出，大型語言模型伺服器的實際所在地會影響適用的法律管轄權。金融、法律、教育及醫療應用日益需要了解台灣的制度、法規、專業實務與實際運作情況。

這些考量可能影響公部門與企業選擇 AI 模型的方式。除了通用能力外，採購方也可能評估資料儲存地點、模型能否配合當地法規與組織政策調整，以及部署、存取控制與稽核機制是否符合治理需求。截至今年5月，AIEC 已累計測試131個國內外模型。數位產業署表示，評測可為組織與使用者選擇 AI 產品提供更具體的資訊，也表示公開結果有助企業在商務合作、政府採購及國際市場建立信任。

主權 AI 的關聯不僅在於模型所有權，也涉及法律管轄權與營運控制。數位發展部正推動金融、法律服務、教育及醫療等領域的垂直模型，使其能力符合台灣的制度、法規、專業知識與實際情況。核心政策議題在於，模型是否能依其使用環境接受治理與調整，以及它執行一般任務的表現如何。

兩款進入前10名的 FFM 模型約為30-billion-parameter 系統。相較於採用數千億參數模型的海外平台，這種規模的模型所需 GPU、記憶體、電力及伺服器資源可能較少，讓公部門與企業在地端或台灣境內部署時更具彈性。文章將此視為兼顧模型能力、資料安全、推論效率及長期營運成本的方式；但並未宣稱較小的模型適用於所有任務。

台智雲表示，其訓練工作也著重於推理、工具使用及 Agentic AI 能力。三款 FFM 模型在 AIEC 綜合評測中的表現均較原始基礎模型提升，據報最大增幅接近20%。在公司的 PinchBench 測試中，訓練後的 Gemma4 模型在代理任務上的表現提升超過10%。公司也表示，模型在遵循指令、技能調用、多技能協作、使用外部工具，以及處理文件與資料方面均有所進步。

公司表示，FFM 模型已應用於金融、醫療、法律服務、政府及製造業的主權 AI 專案。自2023年推出福爾摩沙大模型以來，其 Model Foundry 訓練服務已擴展至支援 Gemma、Muse、Llama 和 Mistral 等開源模型基礎架構，涵蓋大型語言模型、多模態模型及向量嵌入模型。

台智雲將其整體服務描述為全端 AI Foundry 能力，結合 AI 運算、資料治理、模型訓練與管理平台、AFS Suite 及代理應用。其目標是提供一條從運算與資料延伸至模型及應用的整合路徑。透過此方法，政府機關與企業能建構可自行掌控與治理，並能隨需求變化持續發展的主權 AI 系統。AIEC 排名是衡量模型效能的一項指標，而部署條件、法規適配及持續營運需求仍與採用決策息息相關。

關鍵洞察表