想在台灣落地大型語言模型，繁體中文能力是關鍵。我在這篇筆記整理了幾個專門為繁體中文優化過的開源模型，包括聯發科的 Breeze-7B、BLOOM-zh、Project TAME 與 TAIDE-LX-7B，並比較它們的特色與適用場景。
聯發科的 Breeze-7B 有哪些特點？
模型介紹
HuggingFace 網址：Breeze-7B-Instruct-v1_0
DEMO 網址：Demo-MR-Breeze-7B（原展示 Space 已下架）
聯發科的 Breeze-7B 模型是一個專為繁體中文和英文雙語環境設計的大型語言模型。由聯發科研究團隊開發的一個開源大型語言模型，基於 Mistral-7B 進行改進和優化。該模型擁有 70 億個參數，專門針對繁體中文和英文的語言處理進行了優化。
Breeze-7B 主要特點
- 雙語支持：Breeze-7B 能夠流暢地理解和生成繁體中文和英文的文本，適用於即時翻譯、商業溝通和智能客服對話等場景。
- 高效能：該模型在繁體中文的推理速度上比市面上其他同級別模型快一倍，能夠在短時間內生成精準且連貫的回應。
- 多功能應用：Breeze-7B 不僅能夠進行文本生成，還能精確解讀和生成表格內容，適用於數據分析、財務報表和複雜的排程任務。
- 開源：Breeze-7B 採用 Apache 2.0 開源授權，允許學術界和業界自由使用和修改，促進 AI 技術的發展。
模型比較
| 模型名稱 | 參數量 | 開發者 | 授權 | 功能調用 | 指令跟隨 |
|---|---|---|---|---|---|
| Breeze-7B-Instruct-v1_0 | 7B | MediaTek Research | Apache 2.0 | ❌ | ✅ |
| Breeze-7B-FC-v1_0 | 7B | MediaTek Research | Apache 2.0 | ✅ | ✅ |
功能調用意味著它可以調用外部功能或 API。
BLOOM-zh 適合什麼樣的應用？
iKala 優化版本：ikala/bloom-zh-3b-chat（Hugging Face 模型頁已下架）
BLOOM-zh 是由聯發科（MediaTek）基於 BigScience 的 BLOOM 模型進行改進和優化的。BLOOM 模型是由全球多個研究機構和研究人員共同開發的多語言模型，BLOOM-zh 是其專為繁體中文設計的版本。
模型使用了大量繁體中文和英文數據進行訓練，涵蓋了新聞、小說、百科全書等多種文本來源。適用於多種繁體中文文本生成和理解任務，如對話生成、文本摘要、翻譯等。
與 Breeze 的比較
- BLOOM-zh 更適合需要多語言支持和通用文本處理的應用場景，特別是在跨語言文本生成和理解方面有優勢。
- Breeze 則更適合繁體中文的專業應用，特別是在需要高效能和專業知識的領域，如醫療、法律和電子製造等。
Project TAME 是什麼？
Project TAME（TAiwan Mixture of Experts）是一個專為繁體中文及台灣產業需求設計的大型語言模型。該模型由多家領先企業與台灣大學資工系合作開發，旨在提升台灣在地化的 AI 應用能力。
- GitHub：MiuLab/Taiwan-LLM
- 模型聊天頁面：twllm.com
TAME 模型特點
- 參數量：Project TAME 擁有 700 億參數，專為繁體中文設計，能夠精準理解和生成繁體中文文本。
- 訓練數據：模型使用了來自多個產業的專業數據進行訓練，包括石化業、電子製造、醫療服務、法律等領域，涵蓋了近 5000 億個詞元（token）。
- 在地化與產業化：Project TAME 特別強調在地化和產業化，能夠理解台灣文化和語境，並針對台灣產業的特定需求進行優化。
TAIDE-LX-7B 能做什麼？
TAIDE-LX-7B 是由台灣國家科學及技術委員會（國科會）開發的一款大型語言模型，專為繁體中文和台灣在地需求設計。基於 Meta 的 LLaMA2-7B 模型進行改進和優化。TAIDE-LX-7B 擁有 70 億參數，這使得它在計算資源需求和性能之間達到平衡。
TAIDE 功能與應用
- 自動摘要：TAIDE-LX-7B 能夠高效地對長篇文本進行自動摘要，提取關鍵信息。
- 寫信與寫文章：該模型在撰寫電子郵件和文章方面表現出色，能夠生成結構良好且語法正確的文本。
- 翻譯：TAIDE-LX-7B 支援中英互譯，能夠準確地將繁體中文翻譯成英文，反之亦然。
- 對話生成：該模型在對話生成方面也有優異表現，適合用於聊天機器人和虛擬助手等應用。
延伸閱讀
- 專門為繁體中文優化過的開源模型整理：Breeze-7B、BLOOM-zh、TAME、TAIDE-LX-7B：同樣聚焦 開源模型、繁體中文，可接著比較不同情境的做法。
- LLM 繁體中文能力比較：用台灣社福申請情境測試模型：同樣聚焦 繁體中文，可接著比較不同情境的做法。
- LM Studio 本地部署開源 LLM 完整教學：輕鬆測試和部署大型語言模型：同樣聚焦 大型語言模型，可接著比較不同情境的做法。
常見問題
Breeze-7B 是開源的嗎？
是的，Breeze-7B 採用 Apache 2.0 開源授權，學術界和業界都可以自由使用和修改，也能商用。
哪個繁體中文模型參數量最大？
Project TAME 擁有 700 億參數，明顯大於 Breeze-7B 與 TAIDE-LX-7B 的 70 億參數，但運算資源需求也更高。
TAIDE-LX-7B 是誰開發的？
TAIDE-LX-7B 由台灣國科會開發，以 Meta 的 LLaMA2-7B 為基礎優化，針對台灣在地需求設計。
功能調用（Function Calling）版本該選哪個？
若需要讓模型調用外部 API 或功能，應選擇 Breeze-7B-FC-v1_0；一般指令對話則用 Breeze-7B-Instruct-v1_0 即可。
BLOOM-zh 和 Breeze 該怎麼選？
需要跨語言、多語言通用文本處理時選 BLOOM-zh；專注繁體中文高效能與專業領域應用時選 Breeze。
參考資料
- Breeze-7B-Instruct-v1_0（Hugging Face）
- ckip-joint/bloom-1b1-zh（Hugging Face）
- ikala/bloom-zh-3b-chat（Hugging Face，模型頁已下架）
- Taiwan-LLM（GitHub）
- TAIDE-LX-7B-Chat（Hugging Face）
最後更新
2026-08-28（原文發布於 2024-10-02，本文保留原始筆記內容並補上 GEO 結構。）
關於作者 {#author}
Claire Chang ｜ 企業 AI 導入與流程轉型顧問。專注於 AI Agent 架構設計、ERP 系統整合與企業 AI 治理。
首次發布：2024-10-02