做 PUBG 的 Krafton 跨界練出 LLM：Raon-1 mini 開源上架，單張 RTX 5090 跑得動
遊戲公司 Krafton 發表自研 30B 級語言模型 Raon-1 mini 預覽版：MoE 架構每次只激活 43 億參數，Apache 2.0 開源、NVFP4 量化版一張 RTX 5090 就能跑。
以《絕地求生》聞名的韓國遊戲公司 Krafton，10 月 21 日把自家從架構設計到訓練一手包辦的大型語言模型 Raon-1 mini 預覽版放上 Hugging Face，以 Apache 2.0 授權開源——研究、商用產品都能免費拿去用。這是遊戲公司少見地端出「從零訓練」的基礎模型，瞄準的是 AI 落地時最現實的問題：推論成本。
300 億參數，每次只用 43 億
Raon-1 mini 是 30B 級（精確為 288 億參數）的模型，採用混合專家（MoE）架構：128 個專家中每次只啟動 6 個外加一個共享專家，實際參與運算的只有約 43 億參數。再配上 Krafton 自研的線性注意力技術，把回應速度拉高、推論開銷壓低。
它支援最長 262,144 個 token 的上下文，訓練語料涵蓋韓、英、日、中、西、法、泰七種語言，並提供 MXFP8 與 NVFP4 兩種量化版本——其中 NVFP4 版塞得進一張 32GB 的 RTX 5090，是個人工作站也能玩的等級。
強在韓語對話與「聽得懂指令”
Krafton 公布的測試裡，Raon-1 mini 在指令遵循（IFBench 84.2 分）與搜尋能力（BrowseComp Plus 55.7 分）上贏過同級的 Qwen3.6-35B-A3B 與 Gemma 4 26B-A4B；不過在程式終端任務與 MMLU Pro 上則落後。公司特別強調它自然的韓語對話，以及精確執行格式、角色設定等複雜指令的能力——這正是讓 AI 代理能自己串起多步驟任務的關鍵。
同場還釋出一個叫 DFlash2 的推測解碼草稿模型，在自家測試中讓輸出吞吐最高提升 2.18 倍。
遊戲公司的 AI 野心不只一款模型
這不是 Krafton 第一次開源：先前已釋出語音模型 Raon-Speech、即時語音對話 Raon-SpeechChat、文字轉語音 Raon-OpenTTS 與視覺編碼器 Raon-VisionEncoder。公司 AI 研究部門至今在 NeurIPS、ICML、ICLR 等頂會發表 54 篇論文，今年 NeurIPS 更有 9 篇主軌道入選。
首席 AI 官李康旭（Kangwook Lee）表示，累積五年以上的 AI 研發能量，終於練出有競爭力的語言模型；下一步是在正式版推出時公開完整技術報告，說明訓練流程與最終成績。
資料來源
- CHOSUNBIZ：Krafton launches cost-efficient Raon-1 mini LLM to boost AI use in Korea（2026-10-21）
- The Asia Business Daily：Krafton Releases Preview of Its Self-Developed LLM “Raon-1 Mini”（2026-10-21）