KRAFTON 开源韩英模型，提供免费试用

KRAFTON AI 公布了从头训练的 Raon-1 mini 预览版：采用 30B-A4B 混合专家架构，主打韩语，兼顾英语，并以 Apache 2.0 许可开源。厂商称，它在编程和智能体任务上可与 Meta Muse Glimmer 30B 相当，同时更快、更省内存。

对程序员来说，这是一款可以关注的候选模型，但还不足以据此调整选型。报道给出了架构方向和试用入口，却没有提供支撑性能比较的测试细节。读懂这条消息，关键是分清模型已经公布了什么，以及哪些优势仍需要验证。

30B-A4B，为什么不能只看参数量

据 IT之家 10 月 25 日报道，韩国游戏企业 KRAFTON 旗下的 KRAFTON AI，本周公布了 Raon-1 mini 的预览版本。正式版及后续更大模型即将推出，但报道没有给出具体日期。

Raon-1 mini 采用混合专家架构（MoE）。30B-A4B 通常表示总参数约 300 亿、每次计算激活约 40 亿参数。它的思路是把参数分配给不同专家，处理输入时只调用其中一部分，降低每次计算的开销。

但激活参数少，不等于部署时只需要容纳 40 亿参数。30B-A4B 描述的是参数规模与激活规模，不能直接当作显存需求。

报道还提到两项技术：线性注意力和推测解码。前者通常用于降低注意力计算随序列增长带来的成本；后者尝试先生成候选内容，再验证，以提高解码速度。这些技术能解释厂商为什么强调效率，却不能替代具体测试。报道没有披露注意力结构、推测解码配置，也没有给出实际内存占用或生成速度。

「与 Muse Glimmer 相当」有多少证据

KRAFTON AI 的说法集中在三件事：Raon-1 mini 预览版在编程与智能体任务上，与 Meta 的 Muse Glimmer 30B 相当；速度更快；内存效率更高。此外，模型能够进行自然对话。

这里的「智能体任务」，可以理解为模型围绕目标执行多个步骤，而不只是回答一道问题。但报道没有说明具体测了什么，也没有交代是否涉及工具调用、代码修改或其他操作。

同样缺失的还有基准名称、分数、测试硬件、量化方式和上下文长度。因此，我们无法判断「相当」覆盖哪些能力，也无法判断速度与内存优势是否来自同一套测试条件。

目前能确认的是厂商提出了这些比较结论，报道没有提供可复核的对照数据。

语言定位也要单独看。Raon-1 mini 聚焦韩语，同时兼顾英语性能；原文没有介绍中文能力。国内开发者如果主要用中文描述需求，不能直接把韩语、英语表现推到自己的工作流上。

我的判断

这条消息最有用的部分，是模型的技术路线、许可和试用机会都比较明确：MoE、线性注意力、推测解码，以及 Apache 2.0 开源许可，给开发者提供了进一步评估的理由。官网还提供限时免费 API 试用，不过报道没有说明免费额度、结束时间或接口细节。

我会把它放进候选名单，但不会仅凭这篇报道推荐替换现有编程模型。模型对比既不是作者公开的实测，也没有完整评测材料支撑，目前属于厂商自述。

与继续使用团队已经验证过的模型相比，尝试 Raon-1 mini 的价值，在于检查它能否以合适的成本完成相同任务。判断依据应是你自己的任务完成质量和使用条件，而不是单独一个参数规模，或一句「可与某模型竞争」。

能拿来做什么

• 利用限时免费 API，挑几项已有正确答案的日常编程任务做对照，例如修复一处前端逻辑错误、解释一段 Node 代码，记录结果是否正确、修改是否完整。
• 如果团队主要使用中文提需求，就分别测试中文和英文提示，先确认语言差异是否影响任务理解，再考虑接入日常 AI 编程流程。
• 如果准备自行部署，先核对模型文件、部署说明和实际资源需求，再测速度与内存占用，不要根据 A4B 估算机器配置。