Flam 发布 26B MoE 模型 Flam Falcon，专注印度语言与 3D 生成

Flam 公司近日公布了 Visual Agents 产品背后的核心模型 Flam Falcon，这是一款 260 亿参数的混合专家（MoE）模型，专门面向印度本地语言（Indic languages）场景优化。官方数据显示，Flam Falcon 的首个 token 返回时间低至 30 毫秒，主打低延迟交互体验。

Flam Falcon：26B MoE 与印度本地化

Flam Falcon 是一套面向 Visual Agents 智能体产品设计的 MoE 架构模型，参数量为 26B。与常见的大语言模型相比，其差异点在于：

• 专门针对印度多种本地语言进行训练与微调
• 首 token 延迟控制在 30 毫秒，适合实时对话与交互
• 作为 Visual Agents 的底层模型，对智能体场景做了架构层面的优化

不过，目前 Flam 并未公开模型权重、技术报告或更细粒度的 benchmark 数据，外界对其训练语料、激活参数量、上下文长度等关键指标尚无从得知。

Flam Fable：从文本/图像生成 3D 资产

与 Flam Falcon 同期亮相的还有 Flam Fable，一款文生 3D 资产生成工具：

• 支持文本提示或图像提示输入
• 输出格式为原生 alpha 视频，可直接用于 3D 资产合成
• 已在 Airboards 项目中得到应用

alpha 视频作为 3D 生成的中间表征方式，能够保留透明度通道，方便下游合成与编辑。该方向与近期 Google、Meta 等大厂的 3D 生成探索属于同一赛道，但 Flam 的方案定位更偏向工具化与轻量化应用。

信息来源与待观察点

目前关于 Flam 的产品矩阵仅有 TestingCatalog 在 X 上的一手转发披露，缺乏官方博客或论文佐证。值得关注的待补全信息包括：Flam Falcon 的具体激活参数规模、推理能力评测、印度各语种覆盖范围，以及 Flam Fable 的开放程度（API、Web、SDK 等）。在官方释放更详细资料之前，外界对其技术水准与生态影响力仍难以下定论。