SEA-LION翻译站点

SEA-LION（Southeast Asian Languages In One Network）是由新加坡 AI Singapore 主导、新加坡国家研究基金会（NRF）资助的东南亚多语种开放大模型家族。家族覆盖 11+ 东南亚语言（缅甸语、印尼语、马来语、泰语、越南语、菲律宾语、泰米尔语、高棉语、老挝语、汉语、英语），当前最新主线为 SEA-LION v4.5，包含基于 Apertus、Gemma、Qwen、Llama 四大开源基座的派生模型，参数从 4B 到 70B，上下文 65K-262K，覆盖文本生成、视觉语言、推理、智能体等任务。许可因具体派生模型而异：v4.5 的 Qwen-SEA-LION-27B-IT 与 Gemma-SEA-LION-E2B-IT 为 Apache-2.0，Apertus-SEA-LION-8B-IT 为 Apache-2.0 ；早期版本存在 MIT、CC BY-NC-SA、Gemma Community License、Llama 3.1 Community License 等不同许可 。

 

产品概述

SEA-LION 由 AI Singapore（新加坡国家 AI 计划）的 Products Pillar 团队开发，由新加坡国家研究基金会（NRF）资助，是东南亚首个系统性解决区域语言覆盖的开源大模型家族 。

 

家族设计哲学（SEA-LION Guiding Principles）：

• Choice（选择自由）：用户可选择闭源 vs 开源、构建 vs 采购、东方 vs 西方
• Open（开放可见）：数据、模型、评估、代码、检查点全部可见
• Responsible（负责任）：透明的伦理推理、对齐、部署
• Inclusive（包容性）：对人口统计学相关群体具有代表性

 

当前主线 v4.5 家族矩阵（2026 年 5 月 26 日更新 ）：

语言覆盖（11+ 东南亚语言）：

缅甸语、高棉语、印尼语、老挝语、马来语、菲律宾语（Tagalog）、泰米尔语、泰语、越南语、汉语、英语 。部分模型额外支持 200+ 全球语言（基于 Qwen 基座 ）。

 

训练数据规模：

• 基座 SEA-LION 预训练语料：980B tokens，覆盖 11 种东南亚语言
• v4 Qwen-SEA-LION-32B：在 SEA-Pile v2 语料（1T+ tokens）上对 7 种东南亚语言继续预训练 100B tokens，再用 800 万指令对后训练
• v4.5 Qwen-SEA-LION-27B：在 SEA-Instruct-2602 数据集上从 Qwen3.5-397B-A17B 蒸馏
• v4.5 Gemma-SEA-LION-E2B：854 万指令-文本对后训练

 

许可策略（关键，必须区分具体模型）：

• ✅ Apache-2.0：Qwen-SEA-LION-v4.5-27B-IT、Qwen-SEA-LION-v4.5-27B-IT-Assistant、Gemma-SEA-LION-v4.5-E2B-IT、Apertus-SEA-LION-v4-8B-IT —— 可商用、可修改、可再分发
• ✅ MIT：早期 SEA-LION-7B 基座、Qwen-SEA-LION-v4-32B-IT（v4 版本）—— 可商用
• ⚠️ Gemma Community License：Gemma-SEA-LION-v3-9B-IT —— 月活 <1000 万可免费商用，超出需商业许可
• ⚠️ Llama 3.1 Community License：Llama-SEA-LION-v3.5-R-70B —— Meta 社区许可，商用需符合条款
• ⚠️ CC BY-NC-SA 4.0：早期 SEA-LION-7B-Instruct-NC —— 仅非商用​

💡 SEA-LION 的独特定位：它不是从零训练的单一模型，而是基于四大开源基座（Apertus/Gemma/Qwen/Llama）做东南亚语言适配的模型家族。这种模式让 SEA-LION 能够”站在开源巨人的肩膀上”——直接继承基座模型的前沿能力（如 Qwen3.6 的 262K 上下文、Gemma 4 的原生多模态），再通过东南亚语言继续预训练与蒸馏注入区域语言能力。这是与 EuroLLM（从零训练）、Apertus（从零训练）、OLMo（从零训练）最本质的架构差异。

 

核心能力

• 11+ 东南亚语言深度覆盖：缅甸语、高棉语、印尼语、老挝语、马来语、菲律宾语、泰米尔语、泰语、越南语、汉语、英语，低资源语言有实质支持
• v4.5 智能体能力：Qwen-SEA-LION-v4.5-27B-IT 针对智能体工作流优化，支持工具调用、百万智能体环境的强化学习
• 投机解码加速：Qwen-SEA-LION-v4.5-27B-IT-Assistant 作为草稿模型，与 27B-IT 配对使用，推理效率提升最高 6 倍​
• 原生多模态（Gemma-SEA-LION-E2B）：支持文本、图像（可变宽高比与分辨率）、视频、音频输入，端侧设备可运行
• 262K 长上下文（Qwen v4.5）：继承 Qwen3.6 的 262K 上下文窗口，适合长文档与多轮对话
• 视觉语言（4B-VL/27B-VL）：图像理解、文档理解、视觉问答
• 推理变体（Llama v3.5-R）：70B 与 8B 推理优化版本，针对东南亚语言的复杂推理
• SEA-Embedding：配套 E5-600M、ModernBERT-600M/300M 嵌入模型，支持东南亚语言文本分类与检索
• SEA-Guard：配套安全模型系列（Qwen-4B、Qwen-8B、Llama-8B、Gemma-12B），按东南亚文化规范进行内容审核与安全对齐
• 全平台部署：Hugging Face、Ollama、vLLM、llama.cpp、所有主流超大规模云厂商均支持

 

优势亮点

• 东南亚语言 SOTA：在 SEA-HELM 排行榜上，SEA-LION v4.5 系列在缅甸语、印尼语、马来语、泰语、越南语、菲律宾语、泰米尔语等任务上达到开源模型领先水平
• “站在巨人肩膀上”的家族策略：基于 Apertus/Gemma/Qwen/Llama 四大开源基座，同时继承前沿能力与区域语言适配——用户可按”能力需求+许可偏好+硬件约束”自由选择
• v4.5 Apache-2.0 干净许可：Qwen-SEA-LION-v4.5-27B-IT 与 Gemma-SEA-LION-v4.5-E2B-IT 均为 Apache-2.0，可商用、可修改、可再分发，与 EuroLLM、OLMo、Apertus 并列”最干净许可”阵营
• 智能体+投机解码：27B-IT-Assistant 草稿模型带来最高 6 倍推理加速，是生产环境部署的关键优化
• 端侧多模态：Gemma-SEA-LION-E2B 专为笔记本电脑与移动设备优化，是东南亚语言多模态端侧推理的最佳选择
• 完整工具链：SEA-Guard（安全对齐）+ SEA-Embedding（检索）+ SEA-HELM（评估）+ ATLAS（开放数据平台）组成完整生态
• 新加坡政府背书：AI Singapore 国家 AI 计划主导，NRF 资助，是东南亚”主权 AI”理念的官方技术载体
• SEA-HELM 评估基准：SEA-LION 团队发布的东南亚语言评估基准，已成为该领域的事实标准

 

局限

• 许可不统一：家族内许可从 Apache-2.0、MIT 到 Gemma Community License、Llama 3.1 Community License、CC BY-NC-SA 并存 ，商用前必须逐模型核对许可条款
• v4.5 27B 未做安全对齐：官方明确声明 Qwen-SEA-LION-v4.5-27B-IT “has not been aligned for safety”，部署前需自行安全微调
• 规模天花板 70B：最大模型 Llama-SEA-LION-v3.5-R-70B 为 70B 稠密，与 DeepSeek V4 Pro（1.6T）、Kimi K3（2.8T）等开放权重旗舰有显著差距
• 派生模型而非从零训练：SEA-LION 是基于四大开源基座的区域适配版，其”完全开放”程度取决于基座模型的开放性（如 Llama 基座受 Meta 社区许可约束）
• Qwen v4.5 27B 需配对 Assistant 模型才能获 6 倍加速：单独使用 27B-IT 无加速效果，需同时部署 Assistant 草稿模型
• 自托管 70B 仍需高端硬件：Llama-SEA-LION-v3.5-R-70B BF16 全精度需单卡 A100 80GB 或多卡；8B/4B 版本消费级硬件可运行
• 多模态仅 Gemma 派生提供：Qwen/Llama/Apertus 派生主要是文本模型，原生多模态能力集中在 Gemma-SEA-LION-E2B/4B-VL

 

适用人群

• 东南亚业务企业：覆盖 11+ 东南亚语言的深度适配，是东南亚市场（印尼、泰国、越南、菲律宾、马来西亚、新加坡等）AI 应用的最佳基础模型
• 需 Apache-2.0 合规的商用产品：Qwen-SEA-LION-v4.5-27B-IT、Gemma-SEA-LION-v4.5-E2B-IT、Apertus-SEA-LION-v4-8B-IT 均为 Apache-2.0，与 EuroLLM、OLMo、Apertus 并列”最干净许可”阵营
• 端侧多模态应用：Gemma-SEA-LION-E2B 专为笔记本与移动设备优化，是东南亚语言端侧多模态的最佳选择
• 智能体与工作流部署：Qwen-SEA-LION-v4.5-27B-IT + Assistant 配对，6 倍推理加速，适合生产环境高并发智能体
• 需数据主权与合规的企业：AI Singapore 国家 AI 计划主导，NRF 资助，是东南亚”主权 AI”的官方技术载体
• 长文档与多语种检索：Qwen-SEA-LION-v4.5 的 262K 上下文 + SEA-Embedding 嵌入模型，是东南亚多语种 RAG 的最佳组合
• 安全敏感内容平台：SEA-Guard 安全模型按东南亚文化规范微调，是区域化内容审核的现成方案
• 学术研究与基准评估：SEA-HELM 是东南亚语言 LLM 评估的事实标准，SEA-LION 是研究该领域的黄金基线

 

安装与部署

 

1. 硬件需求参考

 

2. 获取模型权重

# 安装 huggingface_hub
pip install "huggingface_hub[cli]"

# 下载 v4.5 旗舰（Apache-2.0）
huggingface-cli download aisingapore/Qwen-SEA-LION-v4.5-27B-IT --local-dir ./Qwen-SEA-LION-27B-IT
huggingface-cli download aisingapore/Qwen-SEA-LION-v4.5-27B-IT-Assistant --local-dir ./Qwen-SEA-LION-27B-Assistant

# 下载 v4.5 端侧多模态（Apache-2.0）
huggingface-cli download aisingapore/Gemma-SEA-LION-v4.5-E2B-IT --local-dir ./Gemma-SEA-LION-E2B

# 下载 v4 Apertus 派生（Apache-2.0，GGUF 量化）
huggingface-cli download aisingapore/Apertus-SEA-LION-v4-8B-IT-GGUF --local-dir ./Apertus-SEA-LION-8B-GGUF

# 下载 v4 Qwen 32B（MIT 许可）
huggingface-cli download aisingapore/Qwen-SEA-LION-v4-32B-IT-8BIT --local-dir ./Qwen-SEA-LION-32B-8BIT

 

3. 通过 Transformers 推理（Qwen-SEA-LION-v4.5-27B-IT）

from transformers import AutoModelForCausalLM, AutoTokenizer

MODEL_ID = "aisingapore/Qwen-SEA-LION-v4.5-27B-IT"
tokenizer = AutoTokenizer.from_pretrained(MODEL_ID)
model = AutoModelForCausalLM.from_pretrained(
    MODEL_ID, torch_dtype="auto", device_map="auto"
)

# 多语种示例：泰语提问
messages = [
    {"role": "system", "content": "You are a helpful assistant fluent in Southeast Asian languages."},
    {"role": "user", "content": "อธิบายเรื่อง AI ในภาคการเกษตรของไทย"}  # "解释 AI 在泰国农业中的应用"
]

text = tokenizer.apply_chat_template(
    messages, tokenize=False, add_generation_prompt=True
)
inputs = tokenizer(text, return_tensors="pt").to(model.device)
outputs = model.generate(**inputs, max_new_tokens=1024)
response = tokenizer.decode(outputs[0][inputs.input_ids.shape[-1]:])
print(response)

 

4. 通过 Transformers 推理（Gemma-SEA-LION-v4.5-E2B-IT 多模态）

from transformers import AutoProcessor, AutoModelForCausalLM

MODEL_ID = "aisingapore/Gemma-SEA-LION-v4.5-E2B-IT"
processor = AutoProcessor.from_pretrained(MODEL_ID)
model = AutoModelForCausalLM.from_pretrained(
    MODEL_ID, dtype="auto", device_map="auto"
)

messages = [
    {"role": "system", "content": "You are a helpful assistant."},
    {"role": "user", "content": "Describe this image in Thai"}
]

text = processor.apply_chat_template(
    messages, tokenize=False, add_generation_prompt=True, enable_thinking=False
)
inputs = processor(text=text, images=["image.jpg"], return_tensors="pt").to(model.device)
outputs = model.generate(**inputs, max_new_tokens=1024)
response = processor.decode(outputs[0][inputs.input_ids.shape[-1]:])
print(response)

 

5. 通过 vLLM 部署（推荐生产环境，开启投机解码 6 倍加速）

# 安装 vLLM
pip install vllm

# 启动 Qwen-SEA-LION-v4.5-27B-IT + Assistant 配对（6 倍加速）
vllm serve aisingapore/Qwen-SEA-LION-v4.5-27B-IT \
  --speculative-config '{"method": "draft_model", "draft_model": "aisingapore/Qwen-SEA-LION-v4.5-27B-IT-Assistant", "num_speculative_tokens": 5}' \
  --tensor-parallel-size 1 \
  --max-model-len 262144

 

6. 通过 Ollama 运行（端侧推荐）

# Gemma-SEA-LION-E2B 与 Apertus-SEA-LION-8B-GGUF 支持 Ollama
ollama pull gemma-sea-lion-e2b-it
ollama run gemma-sea-lion-e2b-it "Jelaskan tentang budaya makanan di Indonesia" # 印尼语

 

7. 通过 llama.cpp 运行（Apertus-SEA-LION-8B-GGUF）

# 下载 GGUF 量化版本
huggingface-cli download aisingapore/Apertus-SEA-LION-v4-8B-IT-GGUF \
  --include "Apertus-SEA-LION-v4-8B-IT-Q4_K_M.gguf" --local-dir .

# 运行
./llama-cli -hf aisingapore/Apertus-SEA-LION-v4-8B-IT-GGUF \
  --jinja -p "Hello, please introduce yourself in Vietnamese."

 

8. 通过 SEA-Guard 进行安全对齐

# SEA-Guard 模型可用于东南亚文化语境的内容审核
# 支持 Qwen-4B、Qwen-8B、Llama-8B、Gemma-12B 四个版本
# 详见 SEA-LION 官网 SEA-Guard 文档

 

9. 部署前必检清单

• 确认具体模型的许可：✅ Apache-2.0（Qwen v4.5 27B、Gemma v4.5 E2B、Apertus v4 8B）；✅ MIT（Qwen v4 32B）；⚠️ Gemma Community License（Gemma v3 9B，月活<1000 万免费）；⚠️ Llama 3.1 Community License（Llama v3.5-R 70B）；⚠️ CC BY-NC-SA（早期 SEA-LION-7B-Instruct-NC，仅非商用）
• Qwen-SEA-LION-v4.5-27B-IT 未做安全对齐，生产环境部署前需自行安全微调或使用 SEA-Guard
• 如需 6 倍推理加速，必须同时部署 27B-IT 与 27B-IT-Assistant 配对
• 端侧多模态选择 Gemma-SEA-LION-E2B；端侧文本选择 Apertus-SEA-LION-8B-GGUF
• 东南亚语言覆盖最广的是 Qwen v4.5 27B（7 种东南亚语言深度适配 + 200+ 全球语言）
• 商用部署推荐 Apache-2.0 三件套：Qwen-SEA-LION-v4.5-27B-IT + Gemma-SEA-LION-v4.5-E2B-IT + Apertus-SEA-LION-v4-8B-IT