KRAFTON自研Raon-1 mini预览：30B

游戏公司从头训练大模型，这次盯上了韩语场景

KRAFTON（魁匠团）旗下人工智能分支 KRAFTON AI 本周放出 Raon-1 mini 的预览版本。模型不是微调产物，而是从头训练，正式版与后续更大规模的型号也在排期里。

这不只是一次模型发布。对以《绝地求生》闻名的游戏厂商来说，自建基础模型意味着把内容生产、NPC 对话这类能力的底层依赖握在自己手里。对技术团队而言，更现实的问题是：又多了一个可评估的开源选项，而且它明确把韩语放在了第一优先级。

预览版已经能以 Apache 2.0 许可获取，官网同时开了限时免费 API 通道。想验证语料覆盖和推理成本，这段时间是成本最低的窗口。

30B-A4B 这套配置，解决的是推理开销

Raon-1 mini 采用混合专家架构，整体体量 30B，单次推理激活的参数规模为 A4B。换句话说，参数总量摆在那，但每次前向只调用其中一部分专家，显存占用和算力消耗都按激活量走，而不是按 30B 全量走。

配套的技术选择有两处值得留意：

• 线性注意力被引入，长上下文场景下注意力计算的开销增长比标准注意力更平缓；
• 支持推测解码，用一个小模型先起草、大模型再校验，在不改变输出分布的前提下换取吞吐提升。

这三项叠在一起的意图很清楚——把单位 token 的成本压下来。对做批量推理的服务方，这比榜单分数更直接地影响账单。

语言能力上，模型聚焦韩语，同时兼顾英语表现。这个取舍在开源模型里不算常见，多数团队会优先堆英语语料，韩语能力往往靠后补。KRAFTON 反过来做，等于把韩国本地市场的应用场景当成了主战场。

与 Meta Muse Glimmer 30B 的对标，快在哪、省在哪

KRAFTON AI 给出的说法是：预览版 Raon-1 mini 在编程与智能体任务上与 Meta 的 Muse Glimmer 30B 水平相当，同时速度更快、内存效率更高。此外，模型能进行自然的对话。

两个 30B 量级模型的直接对比，落在工程侧就是两件事。一是同等硬件下能并发多少请求，二是长会话里上下文能撑多久不爆显存。KRAFTON 强调的内存效率，指向的正是后一项；速度优势则关系到前一项的吞吐上限。

需要冷静看待的是，对标结论目前来自厂商自述，评测口径、任务集构成、硬件环境都没有公开细节。判断一个模型能不能进生产，我一般会先看它在自己业务语料上的表现，而不是通用榜单的名次。编程与智能体是当前最吃上下文管理和工具调用稳定性的两类任务，恰好也最容易被不同评测集拉开差距。

对话自然度这一项更难量化，但在客服、游戏 NPC 这类交互场景里，它直接决定用户会不会觉得“机器味重”。KRAFTON 把它单独拿出来讲，说明目标场景不止于代码生成。

开源许可与 API 试用，决定它能不能被真正用起来

Apache 2.0 是个偏宽松的选择，商用、修改、再分发都不设额外限制，对想把模型嵌进产品的中小团队比较友好。相比之下，部分开源模型会在商用规模或许可条款上设门槛，法务评估周期会被拉长。

限时免费 API 的价值在于省掉第一轮硬件投入。30B 量级的模型即便激活参数少，本地部署仍需要一张显存充裕的卡，还要处理量化、批处理调度这些琐事。先用 API 把真实请求跑一遍，拿到延迟分布和失败率，再决定要不要自建，比直接采购机器稳妥得多。

从行业节奏看，游戏厂商自研模型正在从“内部工具”走向“对外发布”。KRAFTON 选择开源加免费试用的组合，本质上是在争夺开发者心智——模型能力接近时，谁能让人低成本跑通第一个 demo，谁就更容易被写进技术选型清单。Raon-1 mini 的正式版和更大参数版本能否延续这条路线，接下来几个月的更新节奏值得盯。