Raon-1 nano
KRAFTON 的 3.1B 端侧模型(有效 1.5B),由 Raon-1 mini preview 蒸馏而来,支持韩语和英语,可调用工具。
一句话概括. Raon-1 nano 是韩国游戏公司 KRAFTON 的小型文本模型,可以在笔记本或手机上运行。它能用韩语和英语遵循指令、记住对话上下文并调用工具,是由更大的 Raon-1 mini preview 缩小而来。4 位版本只有约 2 GB。许可证是 Apache 2.0。
概述
Raon-1 nano 是 KRAFTON AI 的稠密语言模型,总参数 31 亿,其中 15 亿是按层读取的嵌入表,所以模型卡称它是有效参数 15 亿的模型。它的 Hugging Face 仓库创建于 2026 年 10 月 29 日,Apache 2.0 声明在 11 月 9 日加入,GGUF、MLX 和 LiteRT-LM 转换版本在 11 月 10 日跟进。KRAFTON 称它由 30B-A4B 的 Raon-1 mini preview 经 MoE-to-Dense 剪枝和知识蒸馏得到,再继续训练了 3T token,然后微调,并从 mini 模型做在线策略蒸馏,最后用强化学习收尾。它的目标是用韩语和英语遵循指令、保持对话上下文并调用工具,用于办公和控制手机之类的任务。
注意力布局与更大的同系列模型一致:24 层里有 18 层是状态大小固定的 Raon Delta Attention,只有 6 层 MLA 保留 KV 缓存,BF16 下每个 token 约 7 KiB,原生上下文 262,144 token。检查点里带有一个 5500 万参数的多 token 预测模块。BF16 仓库为 7.2 GB。KRAFTON 还发布了 GGUF 文件(Q4_K_M 为 2.1 GB,Q8_0 为 3.4 GB)、约 1.8 GB 的 4 位 MLX 模型(面向 Apple 芯片),以及约 1.8 GB 的 4 位 LiteRT-LM 包,后者已在 Apple 芯片 GPU 上检查过;这个包的上下文只有 4,096 token,并且不思考直接回答。
KRAFTON 的表格把它与 Qwen3.5 2B、Gemma 4 E2B、MiniCPM5 2B 和 LFM3 1.7B 比较。它在指令遵循(IFBench 75.9,LFM3 为 73.7)、基于材料作答(FACTS Grounding 44.4)、个性化(PersonaMem v2 38.8,PrefEval 44.0)、手机控制(AndroidControl 36.0)和韩语测试上得分最高:KMMLU-Redux 50.9,CLIcK 65.2,内部韩语对话基准 91.0,Gemma 4 E2B 为 87.6。它在通用知识(MMLU-Redux 81.1,MiniCPM5 2B 为 84.0)、函数调用(BFCL v4 56.3,LFM3 1.7B 为 67.2,MiniCPM5 2B 为 61.0)、终端命令(NL2SH-ALFA 58.0,Gemma 4 E2B 为 62.6)和搜索(BrowseComp Plus 34.5,MiniCPM5 2B 为 37.2)上落后。办公任务和韩语对话基准是内部的、未公开的。
和 mini 模型一样,它为思考模式设计;模型卡建议通用场景用 0.1 的温度和 1.5 的存在惩罚,智能体和代码任务用 1.0 的温度且不加惩罚。仓库里有 LICENSE 文件;Apache 2.0 的授权覆盖权重和仓库文件,不包括 KRAFTON 的训练数据或其他专有材料。
适合做什么
- 在笔记本、Mac 或手机上进行韩语和英语的聊天、指令遵循和基于材料的回答
- 办公、手机控制等日常任务的工具调用,在 AndroidControl 上领先于所比较的小模型
- Apple 芯片和移动端运行时,MLX 和 LiteRT-LM 包约 1.8 GB
- 想在小得多的硬件上获得同样偏重韩语的表现时,作为 Raon-1 mini preview 的轻量搭档
需要注意
- 所有分数都是 KRAFTON 自己的,其中两个基准是内部的、未公开的
- 在函数调用(BFCL v4)、终端命令和搜索上,它落后于所比较的小模型
- LiteRT-LM 包的上下文只有 4,096 token,而且不思考,和主模型不同
- 文件里包含全部 3.1B 参数(含 1.5B 的嵌入表),所以请按文件大小而不是 1.5B 的有效规模来规划内存
- 它非常新,目前还很少有独立测试
性能数据来自开发方,未经独立验证。
需要多少内存?
以下为 MLX (4-bit GPTQ) 版本的估算。混合专家模型虽然每个 token 只用到部分专家,但所有专家都必须装进内存:总参数量决定所需内存,激活参数量决定速度。
| 版本 | 参数量 | BF16 | FP8 / INT8 | 4-bit (Q4) | 可运行于 |
|---|---|---|---|---|---|
| Raon-1-nano (BF16) BF16 | 3.1B | 7.13 GB | 3.56 GB | 2.14 GB | 笔记本或手机 |
| GGUF Q8_0 INT8 | 3.1B | 7.13 GB | 3.56 GB | 2.14 GB | 笔记本或手机 |
| GGUF Q4_K_M INT4 | 3.1B | 7.13 GB | 3.56 GB | 2.31 GB | 笔记本或手机 |
| MLX (4-bit GPTQ) INT4 | 3.1B | 7.13 GB | 3.56 GB | 1.98 GB | 笔记本或手机 |
| LiteRT-LM bundle (4-bit) INT4 | 3.1B | 7.13 GB | 3.56 GB | 1.98 GB | 笔记本或手机 |
估算方法:权重大小加约 15% 的运行开销。实际占用会随上下文长度增长,也取决于所用的软件。
许可证,用大白话说
最常见的宽松型许可证之一。你可以使用、修改模型并基于它销售产品,只需遵守少量条件。
延伸阅读
常见问题
- Raon-1 nano 是什么?
- Raon-1 nano 是韩国游戏公司 KRAFTON 的小型文本模型,可以在笔记本或手机上运行。它能用韩语和英语遵循指令、记住对话上下文并调用工具,是由更大的 Raon-1 mini preview 缩小而来。4 位版本只有约 2 GB。许可证是 Apache 2.0。
- Raon-1 nano 可以商用吗?
- 可以。Raon-1 nano 采用 Apache 2.0 发布,这是一种宽松许可证。只要遵守常规条件(例如保留许可证声明),就可以商用。
- Raon-1 nano 是开源的吗?
- Raon-1 nano 采用 Apache 2.0 发布,该许可证经开源促进会(OSI)认可。训练数据和训练代码不一定公开,因此更准确的说法是“采用开源许可证的开放权重模型”。
- 我能在自己的电脑上运行 Raon-1 nano 吗?
- 可以。最小版本 MLX (4-bit GPTQ) 在 4 位精度下约需 1.98 GB 内存,现代笔记本或中端显卡即可胜任。
- Raon-1 nano 是什么时候发布的?
- Raon-1 nano 由 KRAFTON 于 2026年11月 发布。
- Raon-1 nano 的上下文窗口有多长?
- Raon-1 nano 支持最长 256K token 的上下文窗口。
官方链接
来源
规格数据来自以下一手资料。文中提到的基准测试结果由开发方自报。
- Raon-1-nano model card (Hugging Face) huggingface.co
- Raon-1-nano LICENSE (Hugging Face) huggingface.co
- Raon-1-nano-gguf (Hugging Face) huggingface.co
- Raon-1-nano-mlx (Hugging Face) huggingface.co
- Raon-1-nano-litert-lm (Hugging Face) huggingface.co
- MoE-to-Dense, the pruning method cited by the model card (arXiv 2605.28207) arxiv.org
发布时间等信息最近核实于 2026年11月11日。
相关模型
| 模型 | 发布时间 | 参数量 | 上下文 | 许可证 | 最小版本所需内存 |
|---|---|---|---|---|---|
| Raon-1 mini preview KRAFTON | 28.8B 激活 4.3B | 256K | Apache 2.0 (宽松) | 18 GB 游戏显卡 | |
| LFM3 Liquid AI | 1.73B – 2.17B | 256K | LFM Open 1.0 (附条件) | 1.19 GB 笔记本或手机 | |
| MiniCPM5-2B OpenBMB | 1.08B – 2.52B | 128K | Apache 2.0 (宽松) | 0.745 GB 笔记本或手机 | |
| Gemma 4 Google DeepMind | 5.1B – 30.7B | 256K | Apache 2.0 (宽松) | 3.52 GB 笔记本或手机 |