想在繁體中文環境使用開源大型語言模型（LLM），卻不知道該選哪一個？這篇文章整理了我實際調查過的四款專為繁體中文優化的開源模型——聯發科 Breeze-7B、BLOOM-zh、TAME（TAiwan Mixture of Experts）與國科會 TAIDE-LX-7B，說明各自的特點、授權與適用場景，幫你快速選對模型。
哪些開源模型專為繁體中文優化？四款主流選擇一次看
目前針對繁體中文優化的開源模型，主要有以下四款：
| 模型 | 開發者 | 參數量 | 授權 | 特色 |
|---|---|---|---|---|
| Breeze-7B | MediaTek Research | 70 億 | Apache 2.0 | 雙語、推理速度快 |
| BLOOM-zh | MediaTek（基於 BigScience BLOOM） | 1.1B / 3B | 開源 | 多語言、通用文本處理 |
| TAME | 台灣企業與台大資工合作 | 700 億 | — | 台灣在地化與產業化 |
| TAIDE-LX-7B | 台灣國科會 | 70 億 | — | 摘要、寫信、翻譯、對話 |
聯發科 Breeze-7B 是什麼？為什麼適合繁體中文？
- HuggingFace 網址：<https://huggingface.co/MediaTek-Research/Breeze-7B-Instruct-v1_0>
- DEMO 網址：<https://huggingface.co/spaces/MediaTek-Research/Demo-MR-Breeze-7B>
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。它由聯發科研究團隊開發，是基於 Mistral-7B 進行改進和優化的開源大型語言模型，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 有哪些主要特點？
- 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。
Breeze-7B-Instruct 和 Breeze-7B-FC 有什麼差別？
Breeze-7B 提供兩個版本，差別在於是否支援功能調用（Function Calling，即調用外部功能或 API）：
| 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 | ✅ | ✅ |
如果你的應用需要讓模型呼叫外部 API（例如查詢資料庫、串接服務），選 FC 版；只需要對話與指令跟隨，用 Instruct 版即可。
BLOOM-zh 適合什麼場景？它和 Breeze 有何不同？
- 官方頁面：<https://huggingface.co/ckip-joint/bloom-1b1-zh>
- iKala 優化版本：<https://huggingface.co/ikala/bloom-zh-3b-chat>
BLOOM-zh 是基於 BigScience 的 BLOOM 模型進行改進和優化的版本。BLOOM 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 則是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。
該選 BLOOM-zh 還是 Breeze？
- 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。
什麼是 TAME（TAiwan Mixture of Experts）？
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：<https://github.com/MiuLab/Taiwan-LLM>
- 模型聊天頁面：<https://www.twllm.com/>
TAME 模型有哪些特點？
- 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？
- 官方網站：<https://huggingface.co/taide/TAIDE-LX-7B-Chat>
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 的功能與應用
- 自動摘要：TAIDE-LX-7B 能夠高效地對長篇文本進行自動摘要，提取關鍵資訊。
- 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：同樣聚焦 繁體中文、開源模型，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 可以免費用於商業用途嗎？
可以。Breeze-7B 採用 Apache 2.0 開源授權，允許學術界和業界自由使用、修改與商用，只需遵守授權條款即可。
哪一款繁體中文開源模型推理速度最快？
以同級別（70 億參數）模型來說，Breeze-7B 在繁體中文的推理速度比市面上其他同級別模型快一倍，能在短時間內生成精準且連貫的回應。
Breeze-7B 的 Instruct 版和 FC 版該選哪一個？
若應用需要調用外部功能或 API（Function Calling），選 Breeze-7B-FC-v1_0；若只需要對話與指令跟隨能力，選 Breeze-7B-Instruct-v1_0 即可。
TAIDE-LX-7B 是誰開發的？適合哪些任務？
TAIDE-LX-7B 由台灣國科會開發，基於 LLaMA2-7B 優化而來，擁有 70 億參數。它適合自動摘要、寫信與寫文章、中英翻譯及對話生成等任務。
TAME 和 TAIDE 都是台灣在地模型，差別在哪裡？
TAME 是由多家企業與台大資工合作的產業導向模型，擁有 700 億參數、使用近 5000 億 token 的產業數據訓練，強調台灣產業在地化；TAIDE 則由國科會主導，參數量 70 億，偏向通用行政與辦公任務，資源需求較低。
參考資料
- Breeze-7B-Instruct-v1_0（HuggingFace）
- Breeze-7B-FC-v1_0（HuggingFace）
- ckip-joint/bloom-1b1-zh（HuggingFace）
- ikala/bloom-zh-3b-chat（HuggingFace）
- Taiwan-LLM（GitHub）
- TAIDE-LX-7B-Chat（HuggingFace）
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