# Llama 3.1 模型卡列了泰语，却没有越南语

> 读模型卡，再自己跑测试，一个晚上就能比清 Qwen、Llama、Gemma 和 Mistral 的许可证与语言支持。

原文: https://fdetimes.net/zh/guides/read-model-cards-open-llms-vietnamese/

Llama 3.1 8B Instruct 的模型卡列出了八种官方支持的语言，其中有泰语，没有越南语。

这一点就写在模型页面上，谁都能看到。可团队一旦决定“大家都用 Llama，那就用 Llama”，这个细节就很容易被忽略。作为前线部署工程师（FDE），常常要由你来回答客户的问题：哪个开源模型能处理越南语？法律上又允不允许用？

本指南介绍如何从模型卡里找到答案，再用自己的数据加以验证。

## 一个晚上，一页纸

这个晚上结束时，你会得到一页对比表，比较四个候选模型：Qwen3-8B、Llama-3.1-8B-Instruct、gemma-3-4b-it 和 Mistral-7B-Instruct-v0.3。表中记录每个模型的许可证、模型卡对语言的承诺、需要测试的风险，以及你自己测出的越南语测试结果。

你需要一个 Hugging Face 账号，因为 Gemma 要求先接受条款才允许下载文件。还需要一个记笔记的编辑器；最后一步要能在现有的推理环境里至少跑起其中两个模型。只读模型卡的话，有浏览器就够了。

## 第 1 步：打开 README.md，先读 YAML 块

Hugging Face 文档写明，每个仓库的模型卡就是它的 `README.md` 文件，由 Markdown 和元数据组成。元数据是文件顶部的一段 YAML，包含 license、language、datasets、base_model 等字段。先读这一块：它是结构化数据，而下面的正文是厂商对自家产品的介绍。

下面是一个示意用的 YAML 块，经过删减，并非摘自任何仓库：

```yaml
---
license: apache-2.0
language:
  - en
base_model: some-org/some-base-model
datasets:
  - some-dataset
---
```

**检查：**把每个模型的 `license` 值填进表格。如果模型卡里有 `base_model`，也记下来，再打开基础模型的模型卡查看它的许可证。回复客户之前，你既要清楚所用版本的条款，也要清楚它所基于的模型的条款。

## 第 2 步：先给许可证分类，再谈质量

在 Hub 上，许可证直接显示在模型页面上，也可以用作筛选条件。Hub 为 Llama（`llama3.1`、`llama3.3`、`llama4`）和 Gemma（`gemma`）设了专门的代码，与 `apache-2.0` 这类标准许可证区分开。所以扫一眼这个字段，就知道面对的是标准开源许可证，还是某一家公司的条款。

最麻烦的是自定义许可证，声明方式如下（示意）：

```yaml
---
license: other
license_name: custom-license-name
license_link: LICENSE
---
```

声明 `license: other` 时，Hub 要求在仓库里放一个 `LICENSE` 文件，写明完整的许可证文本。不要只看徽标，要打开这个文件或 `license_link` 中的链接，逐字读完。

套用到这四个模型上：Qwen3-8B 和 Mistral-7B-Instruct-v0.3 采用 Apache 2.0。Llama 3.1 采用自己的社区许可证，要求月活跃用户超过 7 亿的产品向 Meta 申请许可，并附有一份可接受使用政策，规定模型的使用方式。

Gemma 3 采用 Gemma 使用条款（Gemma Terms of Use），而且是受限（gated）仓库，必须同意条款才能下载文件。

**检查：**表格的许可证一列只应出现两种值：“标准”或“自定义，已读全文”。只要还有一格写着“自定义，尚未阅读”，就别进入第 3 步。

## 第 3 步：把语言部分当作承诺来读

Qwen3-8B 的模型卡称模型支持 100 多种语言和方言，但没有点名越南语。Gemma 3 4B-it 描述了覆盖 140 多种语言的多语言能力。Llama 3.1 有八种官方语言，越南语不在其中。

Mistral-7B-Instruct-v0.3 的模型卡完全没有多语言方面的声明，并明确写着模型没有任何内容审核机制。

这里有两类信号，需要分开看。用 Llama 处理越南语，意味着超出了厂商的官方支持范围，应提前告知客户。Qwen 和 Gemma 的 100、140 这些数字体现的是覆盖面，并不能证明它们在你的具体问题上越南语表现够好。

**检查：**把每份模型卡的语言声明逐字抄进表格，不做解读。凡是没提到越南语的，标为“需测试”。

## 第 4 步：记录上下文长度和运行限制

Qwen3-8B 原生上下文为 32,768 个 token，借助 YaRN 可扩展到 131,072 个 token。Gemma 3 的上下文窗口为 128K。客户想把整份合同或很长的案卷放进提示词时，这些数字就很关键。

扩展后的数值通常需要单独配置，所以 Qwen 的两个数值都要记，不要只记较大的那个。Llama 和 Mistral 的上下文长度请打开模型卡自己填，不要猜。完成这一步后，表格的核心部分如下：

| 模型 | 许可证 | 模型卡对语言的说法 | 需测试的风险 |
|---|---|---|---|
| Qwen3-8B | apache-2.0 | 100+ 种语言，未点名越南语 | 实际越南语质量 |
| Llama-3.1-8B-Instruct | llama3.1（自定义） | 8 种语言，不含越南语 | 超出支持范围，7 亿月活条款 |
| gemma-3-4b-it | gemma（自定义，受限） | 140 多种语言 | Gemma 条款，越南语质量 |
| Mistral-7B-Instruct-v0.3 | apache-2.0 | 无声明 | 无内容审核，越南语情况未知 |

## 第 5 步：对照独立来源，再自己给方言打分

模型卡是厂商的自我介绍，因此需要外部来源。VMLU 是经过同行评审的越南语基准，发表于 ACL 2025，比较了 Llama-3、Qwen2.5、GPT-4 等模型。可以用它大致判断哪些模型家族的越南语较强。

要注意，基准中的版本可能和你打算用的版本不同。

接下来是标准基准覆盖不全的部分。2026 年 8 月发表在 arXiv 上的 VialectBench 表明，地方方言会降低 LLM 的表现：十个经过指令微调的模型平均下降约 2.82%，没有一个模型完全稳健。客户的真实用户不会像教科书那样写字。

所以要自建一个小测试集，并用简单的规则打分：回答符合期望答案一列中的意图，得 1 分；答错或答非所问，得 0 分。下面的格式是自定的，不是任何标准，两行打分数据仅作示意。真实的测试集里两列句子都应是越南语，方言一列要按越南中部或南部人的实际说法来写；这里用中文呈现。

```csv
id,standard_sentence,dialect_sentence,expected_answer,standard_score,dialect_score
1,"我想修改收货地址","送货的地儿我想换一下，行不？","说明如何修改地址",1,1
2,"我的订单什么时候到？","俺那单啥时候能到啊？","查询订单状态",1,0
```

假设用 30 对句子测试一个模型。标准列得分 24/30，即 80%；方言列只有 19/30，约 63.3%。差距是 5 句，接近 16.7 个百分点。

要报告的是这个假设的差距，而不是 80%。回头逐一检查答错的 5 句，看模型栽在地方词汇、句末语气词，还是不带声调符号的输入上。每类错误对应不同的修复办法，从规范化输入到在提示词中补充示例都有可能。

**检查：**在至少两个模型上跑同一套问题，每个模型记下三个数字：标准得分、方言得分和差距。差距如果很大，就是客户在上线前必须知道的发现。

## 最常见的错误有哪些？

第一是只信徽标。声明 `license: other` 的仓库可能包含任何条款，只有 `LICENSE` 文件能告诉你具体内容。第二是把“100 多种语言”当成支持越南语的证据，而 Qwen3-8B 的模型卡从没点名越南语。

第三是使用社区做的越南语微调版本时，忘了查基础模型的许可证。第四是因为 Mistral 是 Apache 2.0 就选它，直接面向终端用户上线，尽管它自己的模型卡写明没有内容审核机制。这种情况下，需要在前面加一层过滤。

## 这项技能在客户工作中用在哪里？

以一家想在自有基础设施上运行内部聊天机器人的银行为例。第一次开会时，法务部门的问题会先于任何准确率问题：“这个许可证允许我们做什么？”

如果你带着第 4 步的表格、标注好的自定义许可证全文，以及第 5 步的三个测试数字到场，会议就能直接进入技术讨论。

写进简历时，不要写“熟悉 LLM”。要写你评估了四个开源模型的许可证和越南语能力，自建了方言测试集，并附上测出的分数差距。

阅读职位描述时，“模型选型”“评测”“合规审查”之类的说法，指的正是你刚做完的这些工作。

**要点:** 模型卡告诉你厂商承诺了什么。只有你自己的方言测试集，才能告诉你模型对越南语用户的实际表现。

下次有人问“用 Llama 还是 Qwen？”，你可以拿出一张包含许可证、语言和测试结果的完整表格来回答，而不是凭感觉。

**本周动手试试:**

- 打开 Qwen3-8B、Llama-3.1-8B-Instruct、gemma-3-4b-it 和 Mistral-7B-Instruct-v0.3 的 README.md，把每个模型的许可证字段和语言声明抄进同一张表。
- 在你熟悉的领域写 30 个越南语问题，每个问题再配一个越南中部或南部口语版本，在两个模型上运行，并算出两列之间的差距。
- 写一句简短的话，例如“评估了 4 个开源模型的许可证和越南语能力”，加进简历或作品集，并附上结果表的链接。

## 信源

- [Model Cards (Hugging Face Hub docs)](https://huggingface.co/docs/hub/en/model-cards)

- [Licenses (Hugging Face Hub docs)](https://huggingface.co/docs/hub/en/repositories-licenses)

- [Qwen/Qwen3-8B · Hugging Face](https://huggingface.co/Qwen/Qwen3-8B)

- [meta-llama/Llama-3.1-8B-Instruct · Hugging Face](https://huggingface.co/meta-llama/Llama-3.1-8B-Instruct)

- [google/gemma-3-4b-it · Hugging Face](https://huggingface.co/google/gemma-3-4b-it)

- [mistralai/Mistral-7B-Instruct-v0.3 · Hugging Face](https://huggingface.co/mistralai/Mistral-7B-Instruct-v0.3)

- [VMLU Benchmarks: A comprehensive benchmark toolkit for Vietnamese LLMs](https://aclanthology.org/2025.acl-long.563/)

- [How Robust Are LLMs to Vietnamese Dialects?](https://arxiv.org/abs/2608.10414)
