---
title: "Arctic – Snowflake开源的企业级AI大模型"
url: "https://paooo.com/aigc-news/27935/"
author: "Prompt 语宙研究院"
published_at: "2026-07-10T03:31:44+08:00"
updated_at: "2026-07-10T03:31:44+08:00"
categories: "AIGC 资讯"
source: "Prompt 语宙 (https://paooo.com)"
ai_tools_directory: "语宙 AI 导航 (https://ai.paooo.com)"
---

# Arctic – Snowflake开源的企业级AI大模型

> 来源：[Prompt 语宙 (paooo.com)](https://paooo.com/aigc-news/27935/) · 作者：Prompt 语宙研究院 · 发布时间：2026-07-10

## Arctic是什么

Arctic是由云计算巨头Snowflake的AI研究团队开发的一款高效、开源的企业级大型语言模型，该大模型是一个拥有480亿（480B）的参数规模，由128个细粒度的专家构成的混合专家模型（MoE）模型。在成本效益、训练效率和推理效率方面具有显著优势，特别适合执行企业任务，如SQL生成、编程和指令遵循。Arctic采用Apache 2.0许可，提供对模型权重和代码的开放访问，并开源了数据集和研究洞察。

## Arctic的主要特点

- **参数规模**：Arctic拥有480亿参数，但在推理时仅激活170亿参数，以提高效率。

- **技术架构**：采用混合架构，结合了密集变换器（Dense Transformer）和128个专家的MoE模型，每个专家有3.66亿参数。

- **上下文窗口**：模型训练时使用4K的注意力上下文窗口，并计划扩展至32K，以支持更长序列的处理。

- **训练成本**：Arctic的训练计算预算大约在200万美元以下（即少于3000个GPU周）即可达到顶级大模型的能力

- **模型许可**：Arctic在开放的Apache 2.0许可下发布，允许自由使用和修改。

- **主要用途**：专为企业设计，擅长执行SQL生成、编程和指令遵循等任务，适合创建定制企业模型。

## Arctic的模型架构

- **架构组成**：Arctic采用了Dense-MoE Hybrid Transformer架构，这种架构结合了密集变换器（Dense Transformer）和混合专家模型（MoE）的特点。

- **密集变换器规模**：模型包含一个具有10B（10 billion，即10亿）参数的密集变换器模型。

- **MoE架构规模**：在MoE部分，Arctic设计了128个细粒度的专家，每个专家拥有3.66B（3.66 billion，即36.6亿）参数。因此，MoE部分的总参数量为128×3.66B，即约470B（470 billion，即4700亿）参数。

- **总参数量**：结合密集变换器和MoE部分，Arctic的总参数量达到了480B（480 billion，即4.8万亿）参数。

- **活跃参数选择**：在推理过程中，Arctic使用top-2门控机制从128个专家中选择两个最合适的专家，这意味着在任何给定时间，大约有17B（17 billion，即170亿）的参数是活跃的。

- **通信与计算重叠**：为了提高训练效率，Arctic的架构设计允许在训练过程中将专家间的通信开销与计算任务重叠，从而隐藏了通信开销。

- **推理效率**：在小批量（如批量大小为1）的交互式推理中，Arctic模型的内存读取次数比Code-Llama 70B少4倍，比Mixtral 8x22B少2.5倍，这有助于提高推理性能。

- **系统优化**：Arctic与NVIDIA合作，利用TensorRT-LLM和vLLM团队的技术，为Arctic提供了初步的推理实现，并通过FP8量化技术，使得Arctic可以在单个GPU节点上运行。

- **注意力上下文窗口**：Arctic训练时使用的注意力上下文窗口为4K，团队正在开发基于attention-sinks的滑动窗口实现，以支持无限序列生成能力，未来计划扩展到32K注意力窗口。

## Arctic的性能表现

Snowflake将Arctic与DBRX、Llama、Mixtral等模型在企业指标和学术指标方面的基准测试进行了对比，Arctic在企业智能指标上表现更好，在如MMLU等通用知识基准上的性能可能略低于一些最新模型，但它在这些基准上仍然保持了竞争力。

**企业指标**：与所有其他开源模型相比，Arctic 都表现出顶级性能，这些任务包括：

- **编码（Coding）**：通过HumanEval+ 和 MBPP+ 基准测试编码能力。

- **SQL生成（SQL Generation）**：使用Spider基准测试SQL查询生成能力。

- **指令遵循（Instruction Following）**：IFEval基准测试遵循复杂指令的能力。

## 如何使用Arctic

Snowflake Arctic 现已可从 Hugging Face、Replicate 等平台使用，后续将在包括 Snowflake Cortex、Amazon Web Services (AWS)、Microsoft Azure、NVIDIA API Catalog、Lamini、Perplexity 和 Together 等在内的平台陆续上线。

- 官方模型主页：[https://www.snowflake.com/en/data-cloud/arctic/](https://www.snowflake.com/en/data-cloud/arctic/)

- Hugging Face模型空间：[https://huggingface.co/Snowflake/snowflake-arctic-instruct](https://huggingface.co/Snowflake/snowflake-arctic-instruct)

- Replicate模型地址：[https://replicate.com/snowflake/snowflake-arctic-instruct](https://replicate.com/snowflake/snowflake-arctic-instruct)

- GitHub仓库：[https://github.com/Snowflake-Labs/snowflake-arctic](https://github.com/Snowflake-Labs/snowflake-arctic)

---
探索 2,800+ 全球实用 AI 工具与官方直达入口：[语宙 AI 导航 (https://ai.paooo.com/)](https://ai.paooo.com/)