01 公開評測
排名 #2 / #3 35B 以下公開模型
懂台灣，有公開評測驗證
AIEC 驗證 FFM 對台灣語言文化與在地情境的理解。
懂台灣
理解繁中、台灣文化與企業應用語境，讓模型更貼近在地需求。
多選擇
從通用、任務型、多模態到 Embedding 與 Edge，依工作需求選擇不同模型能力。
more
通用大模型
語言理解、推理與長文本
自主執行／任務型模型（Agentic Model）
推理並執行多步任務
多模態模型（Multimodal Model）
看懂圖文與文件內容
知識庫搜尋／比對模型（Embedding Model）
提升內部資料檢索精準度
輕量／邊緣端模型（Edge Model）
低延遲與特定場景部署
合規可控
依資料敏感度與法遵需求，選擇合適的治理與部署方式。
為什麼需要 Model Foundry
選對模型，才能讓 AI 真正落地
任務不同，模型不同
問答、Agent、文件理解、知識檢索與 Edge 場景，需要的模型能力並不相同。
效能與成本，企業都要兼顧
千億參數級模型雖能力強，但自主訓練與地端部署都需要更高的算力、記憶體與伺服器資源，建置與長期維運成本也隨之提高。
資料與部署條件不能忽略
資料敏感度、法遵、權限與部署環境，會直接影響模型選型與導入方式。
跳至主要內容 依任務、規格與部署需求選擇
模型能力實證
不只懂台灣，自主訓練提升 Agent 能力與部署彈性
02 自主訓練
Agent 任務能力 提升逾一成
從懂語言，到更會做事
自主訓練同步強化推理、工具使用與多步驟任務執行。
03 主權 AI 部署
30B / 31B FFM 主力模型
更利於境內／地端部署
降低部署門檻，在模型能力、資料安全、推論效率與長期成本間取得最佳平衡。
資料來源：AIEC 2026 年 9 月語言模型官方評測結果；Agentic AI 測試依 PinchBench／OpenClaw Agent Benchmark；資料整理日期為 2026 年 9 月 30 日。排名可能隨後續榜單更新。
應用情境
懂台灣，也能更懂你的產業
企業知識
企業知識助理
整合 FAQ、產品文件、內規與知識庫，支援即時查詢、摘要與企業內部問答。
自主執行／任務型模型
流程代理（Agent）
串接 API、工具與既有系統，執行資料查詢、任務拆解、跨系統處理與工作流程。
多模態模型
文件與圖像理解
理解表單、圖表、掃描文件與圖文混合資料，縮短人工閱讀、整理與資訊擷取時間。
垂直產業應用
金融服務
金融｜授信與法遵 AI
整合監理規範、內部作業與授信資料，協助第一線人員快速查找依據、整理案件與產出報告。
- 監理規範、函釋與內部規章查詢
- 授信案件資料彙整與風險資訊整理
- 財務資料摘要與授信報告草擬
可結合企業資料
監理函釋授信 SOP商品規範風險文件
製造
製造｜設備維運與技術知識 AI
整合設備與製程知識，協助工程團隊快速找到故障原因、維修方式與歷史處理經驗。
- 異常代碼與故障排除建議查詢
- 設備手冊、維修紀錄與製程 SOP 搜尋
- 維修報告與技術資訊快速摘要
可結合企業資料
設備手冊維修紀錄製程 SOP異常代碼
醫療
醫療｜專業知識與文件 AI
建立專業文件與院內知識的查詢入口，協助醫療與行政人員更快取得需要的資訊。
- 醫療指引與院內 SOP 查詢
- 藥品、專業文件與研究資料摘要
- 跨文件知識搜尋與資訊彙整
可結合企業資料
醫療指引院內 SOP藥品文件專業資料
政府／公部門
政府｜法規與行政知識 AI
整合法規、函釋與行政流程，協助承辦人快速查找依據、整理文件與回應日常業務問題。
- 法規與歷年函釋跨文件查詢
- 行政流程、表單與內部規範搜尋
- 公文資料彙整與內容摘要
可結合機關資料
法規函釋行政 SOP公文文件
合規與治理
別等法規落地才重建，AI 從一開始就要可治理
高度監管產業若在導入後才補資料留存、權限、稽核與部署要求，往往意味著架構重整、資料遷移與重新部署；合規應在 AI 架構設計階段就納入考量。
資料可留境內
可依專案與法遵需求規劃境內雲端或地端部署，降低敏感資料跨境所衍生的治理與法遵風險。
模型可私有部署
依資料敏感度與產業需求，在企業可控環境運行模型，降低核心資料不必要的外部暴露。
權限可管理
依角色與使用情境控制模型、資料與知識庫的存取範圍，讓企業資料使用更可控。
使用可稽核
保留模型使用與治理所需紀錄，支援金融、醫療、政府等高度監管場景的管理需求。
模型選擇
完整 FFM 系列模型
01
大型語言模型
企業問答、長文本、推理與 Tool Call
Llama 3.3-FFM70B｜32K強化 Tool Call
Llama 3.1-FFM405B / 70B / 8B｜32K繁中強化、Function Calling
Llama3-FFM70B / 8B｜8K繁中強化、Tool Call
FFM-Mistral-7B7B｜32K輕量大型語言模型
02
多模態模型
圖像、OCR 與文件理解
FFM-Gemma4-31B31BAIEC 評測模型
FFM-Muse-Glimmer-30B30BTMMLU+ 評測模型
Llama3.2-FFM11B｜32K繁中 OCR、圖像理解
03
向量模型
企業知識庫與語意搜尋
FFM-Embedding-v2.11B｜8K｜2,048 維繁中與多語語意搜尋
FFM-Embedding-v2Embedding 系列企業知識庫檢索
部署方式
敏感資料不該為了用 AI，被迫離開可控環境
若將敏感資料直接送往外部公有 AI 服務，可能增加跨境、委外與資料治理風險；高度監管場景應優先規劃私有雲、境內雲端、混合或地端架構。
PRIVATE / DOMESTIC CLOUD
私有雲／境內雲端
- 資料與模型運行於企業可控或境內環境
- 保留雲端算力彈性與擴充效率
- 兼顧治理要求與快速導入
HYBRID / ON-PREMISE
混合／地端部署
- 敏感資料與核心推論留在企業環境
- 可整合既有機房、系統與權限架構
- 適合金融、政府、醫療等高監管場景
Full-Stack AI Foundry
從模型到應用，打造可掌握、可治理、可持續演進的主權 AI
台智雲 Model Foundry 串聯 AI 算力與調度、資料與安全治理、模型訓練與管理，以及 AFS Suite 與 Agent 應用，形成從算力、資料、模型到應用的完整 AI 能力。
01算力
AI 基礎建設與調度
02資料
資料與安全治理
03模型
訓練、管理與部署
04應用
AFS Suite 與 Agent