行業(yè)首創(chuàng)！泛娛樂賽道終于迎來專屬開源大模型。

元象正式開源聚焦泛娛樂場景的底座大模型 XVERSE-Ent，包含中、英文雙版本。模型深度適配泛娛樂（Entertainment）核心領(lǐng)域，覆蓋社交互動、游戲敘事、文化創(chuàng)作（含小說、劇本）等關(guān)鍵場景，支持輕量化部署與垂直場景深度落地，填補了泛娛樂領(lǐng)域?qū)匍_源大模型的空白。

XVERSE-Ent 在通用大模型能力基礎(chǔ)上，依托元象AI 泛娛樂產(chǎn)品服務(wù)全球千萬級用戶的實踐經(jīng)驗，經(jīng)稀缺的垂直領(lǐng)域數(shù)據(jù)深度訓(xùn)練與優(yōu)化，在角色一致性、劇情邏輯等方面能更精準地契合泛娛樂場景的真實需求，為中小開發(fā)者與泛娛樂企業(yè)提供了低成本、高效率的泛娛樂創(chuàng)新底座模型。模型特色主要體現(xiàn)為：

? 角色一致性強化：能長期保持虛擬角色人設(shè)、記憶與說話風格穩(wěn)定，有效優(yōu)化“遺忘”或“出戲”的問題。

? 長劇情精準理解：精準把握復(fù)雜故事線、人物關(guān)系與伏筆，生成邏輯合理的劇情。

? 多元語境適配：針對不同題材（古風、科幻、都市等）具備豐富的風格化表達與背景知識。

01
中英雙開源，核心技術(shù)創(chuàng)新

依托兩大核心技術(shù)創(chuàng)新，XVERSE-Ent實現(xiàn)“通用能力穩(wěn)、領(lǐng)域適配準、部署成本低” 的核心優(yōu)勢，分別開源中英雙版本模型，精準滿足多語言泛娛樂創(chuàng)作與全球化出海需求，形成 “技術(shù)筑基 + 多語言拓展” 的完整泛娛樂開源方案。技術(shù)創(chuàng)新如下：

1、MoE 熱啟動技術(shù)：基于一個 Dense 模型改造出一個 MoE 模型。第一步，將 Dense 模型的 FFN 部分進行細粒度拆分，得到多個子網(wǎng)絡(luò)，每個子網(wǎng)絡(luò)作為 MoE 模型的一個專家；結(jié)合推理時的顯存大小，對專家子網(wǎng)絡(luò)進行一定次數(shù)的復(fù)制。第二步，復(fù)用 Dense 模型的 attention 部分。

FFN 部分的細粒度拆分方式如下圖所示。圖中，完整的 FFN 被拆分為 2 個子網(wǎng)絡(luò)。

相對的，完整 FFN 不做拆分作為一個專家的方式，稱為粗粒度，如下圖所示。在實踐中，細粒度拆分方式的效果更好，也能更靈活地根據(jù)硬件配置進行模型結(jié)構(gòu)的設(shè)計。

2、多階段訓(xùn)練策略：通過 S0 能力重建、S1 語言傾斜、S2 領(lǐng)域增強三個階段的訓(xùn)練，構(gòu)建適用于特定語言、特定領(lǐng)域的專用模型。前 2 個階段的數(shù)據(jù)為通用數(shù)據(jù)，后 1 個階段的數(shù)據(jù)為通用數(shù)據(jù)和領(lǐng)域數(shù)據(jù)的混合。

整體流程示意如下：

本次開源包含兩大文本模態(tài)模型，滿足多語言應(yīng)用落地需求：

? 中文：XVERSE-Ent-A4.2B，總參數(shù)量25B，由通用底座 XVERSE-MoE-A4.2B 經(jīng)過 S2 領(lǐng)域增強獲得，針對中文語境下的角色扮演、故事生成、對話互動進行了極致優(yōu)化，文化契合度高。

? 英文：XVERSE-Ent-A5.7B，總參數(shù)量36B，依托成熟的出海應(yīng)用經(jīng)驗打造，在英文創(chuàng)意寫作、游戲?qū)υ捈翱缥幕涣鲌鼍爸斜憩F(xiàn)優(yōu)異。

中英文模型的上下文窗口大小均為8K，經(jīng)過了近萬億 token 數(shù)據(jù)的訓(xùn)練。

模型現(xiàn)已在Github、Huggingface與魔搭開源：

? HuggingFace：

https://huggingface.co/xverse/XVERSE-Ent-A4.2B

https://huggingface.co/xverse/XVERSE-Ent-A5.7B

? ModelScope：

https://modelscope.cn/models/xverse/XVERSE-Ent-A4.2B

https://modelscope.cn/models/xverse/XVERSE-Ent-A5.7B

? Github：https://github.com/xverse-ai/XVERSE-Ent

02
性能卓越，低成本部署

評測結(jié)果顯示，XVERSE-Ent 泛娛樂模型不僅在小說與對話生成等泛娛樂核心任務(wù)上表現(xiàn)卓越，更在MMLU、數(shù)學(xué)、代碼等通用能力上基本不下降，能力保留98%以上。這標志著模型成功實現(xiàn)了“專精”與“通用”的平衡：既成為特定領(lǐng)域的專家，又保持了應(yīng)對多樣任務(wù)的全能選手潛力，從根本上規(guī)避了能力單一化的風險。

XVERSE-Ent 中英文模型評測結(jié)果

（*X開頭的為領(lǐng)域能力相關(guān)的指標，數(shù)值越低越好；

fiction：小說類文本構(gòu)成的測試集

conversation：對話類文本構(gòu)成的測試集

webcc：通用文本構(gòu)成的測試集）

模型支持高并發(fā)低成本部署方案，支持云端單卡部署，實現(xiàn)推理成本與處理效率的平衡，大幅降低開發(fā)者的部署門檻與運維成本。

03
落地成效顯著，賦能產(chǎn)品全球化布局

泛娛樂產(chǎn)業(yè)作為數(shù)字經(jīng)濟的重要增長體，市場空間巨大，模型應(yīng)用量極高。根據(jù)前不久OpenRouter 與 a16z 聯(lián)合發(fā)布的基于全球300多個模型的百萬億級 token 數(shù)據(jù)分析報告顯示，角色扮演已成為開源模型最主要的落地場景，占據(jù)超過50%的開源模型使用量，尤其在游戲化互動、創(chuàng)意敘事等泛娛樂場景中備受青睞。

角色扮演在2025年開源模型應(yīng)用中占比最高

源自：《State of AI：An Empirical 100 Trillion Token Study with OpenRouter》

元象將聚焦泛娛樂的模型 XVERSE-Ent開源，正精準契合這一市場需求，以開源模型賦能千行百業(yè)，旨在與全球開發(fā)者共建繁榮、共享進步的泛娛樂 AI 生態(tài)。

目前，XVERSE-Ent已成功落地 AI 社交產(chǎn)品 “Saylo”。依托模型在泛娛樂場景的深度技術(shù)賦能，Saylo在全球幾十個國家和地區(qū)登上免費榜單和暢銷榜單前列，在美國、德國、法國、意大利、拉美地區(qū)均收獲海量用戶和穩(wěn)健商業(yè)回報。模型在劇情連貫性、角色人設(shè)統(tǒng)一性、多輪交互趣味性等核心指標上表現(xiàn)突出，驗證了技術(shù)創(chuàng)新與商業(yè)落地的高效融合。

元象始終堅信開源是加速技術(shù)創(chuàng)新與產(chǎn)業(yè)普及的最有效路徑。作為長期深耕開源生態(tài)的踐行者，元象已相繼成功開源、、等重量級通用底座大模型，及，能夠進行多樣化的場景適配，構(gòu)建起覆蓋通用能力、輕量化部署等多維度的開源模型全家桶。

此次 XVERSE-Ent 泛娛樂大模型的發(fā)布與開源，將進一步完善元象開源生態(tài)布局，為中小開發(fā)者與泛娛樂企業(yè)降低創(chuàng)新門檻，未來元象還將探索多模態(tài)生成能力，持續(xù)拓展泛娛樂 AI 的應(yīng)用邊界，讓開源成果惠及更多場景與用戶。

未經(jīng)「AI科技評論」授權(quán)，嚴禁以任何方式在網(wǎng)頁、論壇、社區(qū)進行轉(zhuǎn)載！

公眾號轉(zhuǎn)載請先在「AI科技評論」后臺留言取得授權(quán)，轉(zhuǎn)載時需標注來源并插入本公眾號名片。