元象首發泛娛樂底座 XVERSE-Ent，大模型時代的「劇本工廠」來了！

行業首創！泛娛樂賽道終于迎來專屬開源大模型。

元象正式開源聚焦泛娛樂場景的底座大模型 XVERSE-Ent，包含中、英文雙版本。模型深度適配泛娛樂（Entertainment）核心領域，覆蓋社交互動、游戲敘事、文化創作（含小說、劇本）等關鍵場景，支持輕量化部署與垂直場景深度落地，填補了泛娛樂領域專屬開源大模型的空白。

XVERSE-Ent 在通用大模型能力基礎上，依托元象AI 泛娛樂產品服務全球千萬級用戶的實踐經驗，經稀缺的垂直領域數據深度訓練與優化，在角色一致性、劇情邏輯等方面能更精準地契合泛娛樂場景的真實需求，為中小開發者與泛娛樂企業提供了低成本、高效率的泛娛樂創新底座模型。模型特色主要體現為：

? 角色一致性強化：能長期保持虛擬角色人設、記憶與說話風格穩定，有效優化“遺忘”或“出戲”的問題。

? 長劇情精準理解：精準把握復雜故事線、人物關系與伏筆，生成邏輯合理的劇情。

? 多元語境適配：針對不同題材（古風、科幻、都市等）具備豐富的風格化表達與背景知識。

01
中英雙開源，核心技術創新

依托兩大核心技術創新，XVERSE-Ent實現“通用能力穩、領域適配準、部署成本低” 的核心優勢，分別開源中英雙版本模型，精準滿足多語言泛娛樂創作與全球化出海需求，形成 “技術筑基 + 多語言拓展” 的完整泛娛樂開源方案。技術創新如下：

1、MoE 熱啟動技術：基于一個 Dense 模型改造出一個 MoE 模型。第一步，將 Dense 模型的 FFN 部分進行細粒度拆分，得到多個子網絡，每個子網絡作為 MoE 模型的一個專家；結合推理時的顯存大小，對專家子網絡進行一定次數的復制。第二步，復用 Dense 模型的 attention 部分。

FFN 部分的細粒度拆分方式如下圖所示。圖中，完整的 FFN 被拆分為 2 個子網絡。

相對的，完整 FFN 不做拆分作為一個專家的方式，稱為粗粒度，如下圖所示。在實踐中，細粒度拆分方式的效果更好，也能更靈活地根據硬件配置進行模型結構的設計。

2、多階段訓練策略：通過 S0 能力重建、S1 語言傾斜、S2 領域增強三個階段的訓練，構建適用于特定語言、特定領域的專用模型。前 2 個階段的數據為通用數據，后 1 個階段的數據為通用數據和領域數據的混合。

整體流程示意如下：

本次開源包含兩大文本模態模型，滿足多語言應用落地需求：

? 中文：XVERSE-Ent-A4.2B，總參數量25B，由通用底座 XVERSE-MoE-A4.2B 經過 S2 領域增強獲得，針對中文語境下的角色扮演、故事生成、對話互動進行了極致優化，文化契合度高。

? 英文：XVERSE-Ent-A5.7B，總參數量36B，依托成熟的出海應用經驗打造，在英文創意寫作、游戲對話及跨文化交流場景中表現優異。

中英文模型的上下文窗口大小均為8K，經過了近萬億 token 數據的訓練。

模型現已在Github、Huggingface與魔搭開源：

? HuggingFace：

https://huggingface.co/xverse/XVERSE-Ent-A4.2B

https://huggingface.co/xverse/XVERSE-Ent-A5.7B

? ModelScope：

https://modelscope.cn/models/xverse/XVERSE-Ent-A4.2B

https://modelscope.cn/models/xverse/XVERSE-Ent-A5.7B

? Github：https://github.com/xverse-ai/XVERSE-Ent

02
性能卓越，低成本部署

評測結果顯示，XVERSE-Ent 泛娛樂模型不僅在小說與對話生成等泛娛樂核心任務上表現卓越，更在MMLU、數學、代碼等通用能力上基本不下降，能力保留98%以上。這標志著模型成功實現了“專精”與“通用”的平衡：既成為特定領域的專家，又保持了應對多樣任務的全能選手潛力，從根本上規避了能力單一化的風險。

XVERSE-Ent 中英文模型評測結果

（*X開頭的為領域能力相關的指標，數值越低越好；

fiction：小說類文本構成的測試集

conversation：對話類文本構成的測試集

webcc：通用文本構成的測試集）

模型支持高并發低成本部署方案，支持云端單卡部署，實現推理成本與處理效率的平衡，大幅降低開發者的部署門檻與運維成本。

03
落地成效顯著，賦能產品全球化布局

泛娛樂產業作為數字經濟的重要增長體，市場空間巨大，模型應用量極高。根據前不久OpenRouter 與 a16z 聯合發布的基于全球300多個模型的百萬億級 token 數據分析報告顯示，角色扮演已成為開源模型最主要的落地場景，占據超過50%的開源模型使用量，尤其在游戲化互動、創意敘事等泛娛樂場景中備受青睞。

角色扮演在2025年開源模型應用中占比最高

源自：《State of AI：An Empirical 100 Trillion Token Study with OpenRouter》

元象將聚焦泛娛樂的模型 XVERSE-Ent開源，正精準契合這一市場需求，以開源模型賦能千行百業，旨在與全球開發者共建繁榮、共享進步的泛娛樂 AI 生態。

目前，XVERSE-Ent已成功落地 AI 社交產品 “Saylo”。依托模型在泛娛樂場景的深度技術賦能，Saylo在全球幾十個國家和地區登上免費榜單和暢銷榜單前列，在美國、德國、法國、意大利、拉美地區均收獲海量用戶和穩健商業回報。模型在劇情連貫性、角色人設統一性、多輪交互趣味性等核心指標上表現突出，驗證了技術創新與商業落地的高效融合。

元象始終堅信開源是加速技術創新與產業普及的最有效路徑。作為長期深耕開源生態的踐行者，元象已相繼成功開源、、等重量級通用底座大模型，及，能夠進行多樣化的場景適配，構建起覆蓋通用能力、輕量化部署等多維度的開源模型全家桶。

此次 XVERSE-Ent 泛娛樂大模型的發布與開源，將進一步完善元象開源生態布局，為中小開發者與泛娛樂企業降低創新門檻，未來元象還將探索多模態生成能力，持續拓展泛娛樂 AI 的應用邊界，讓開源成果惠及更多場景與用戶。

未經「AI科技評論」授權，嚴禁以任何方式在網頁、論壇、社區進行轉載！

公眾號轉載請先在「AI科技評論」后臺留言取得授權，轉載時需標注來源并插入本公眾號名片。