近年來，大型語言模型（LLM）的發展日新月異，其中，針對特定語言和文化的本土化模型，更受到廣泛關注。本文將聚焦於最新的繁體中文LLM進展，深入探討其技術特性、應用前景以及對臺灣產業的潛在影響。

本土化繁中LLM的崛起

在過去，臺灣社羣對於「更能理解臺灣語言文化」的模型需求持續升溫 (Liu, 2025)。為滿足此需求，臺灣的研究團隊和企業紛紛投入資源，開發具備繁體中文理解能力的LLM。除了國科會TAIDE模型、奧義自建的CyCraftGPT模型以及臺大資工系陳縕儂師生團隊的Taiwan LLM等，聯發科創新中心也推出了Breeze模型系列，專注於繁體中文與在地知識 (Liu, 2025)。如今，Breeze團隊再次推出Breeze2模型，進一步強化繁體中文的多模態能力 (Liu, 2025)。

Breeze2：繁體中文LLM的新里程碑

Breeze2模型採用Llama 3 Community License，並計畫在Hugging Face上開源 (Liu, 2025)。Breeze2目前開放兩個版本 (Liu, 2025)：

• Breeze2 3B：基於Llama 3.2 3B進行Fine-Tune，適用於行動裝置或資源受限的情境，兼具基礎推理能力與省算力特性 (Liu, 2025)。
• Breeze2 8B：基於Llama 3.1 8B進行Fine-Tune，面向更複雜的多模態與長上下文應用，整體推理能力與可拓展性更佳 (Liu, 2025)。

Breeze2 的模型特色

Breeze2 不僅是 Llama 3 的繁體中文強化版本，更整合了 InternViT-300M-448px 作為視覺編碼器，並透過 ViT-MLP-LLM 架構實現多模態能力 (Liu, 2025)。此架構包含 Vision Transformer（ViT）、Multi-Layer Perceptron（MLP）以及 Large Language Model（LLM） 三個主要部分 (Liu, 2025)。因此，Breeze2具備OCR、視覺問答、物件偵測等多模態能力 (Liu, 2025)。

Breeze2 的訓練方式

Breeze2 的訓練分成兩大階段 (Liu, 2025)：首先，在原本 Llama 3 的基礎上，額外持續預訓練（Extended Pre-training）了 900 GB 的繁體中文語料 (Liu, 2025)。這些語料包含多種類型，例如：

• 新聞文章
• 網路論壇
• 書籍

接著，Breeze2 引入了 InternViT-300M-448px 與兩階段調教 (Liu, 2025)。

Breeze2 的應用前景與價值

Breeze2 的發布，展現了聯發科創新中心針對繁體中文進行深度再訓練的成果 (Liu, 2025)。使其在臺灣在地化知識、長文本處理、視覺理解與函式呼叫等多方面展現突破性能力(Liu, 2025)。對於企業或研究單位而言，Breeze2 提供了一個良好的基礎，可以基於此模型進行專業領域的Fine-Tuning，以期在臺灣產業的真實場景中發揮更大價值(Liu, 2025)。

結論與展望

本土化繁中LLM的發展，對於提升臺灣在AI領域的競爭力至關重要。隨著Breeze2等模型的推出，我們有理由相信，未來將有更多針對繁體中文和臺灣文化的LLM出現，為各行各業帶來更智慧、更便捷的解決方案。

AI 建言

Breeze2的出現，代表了臺灣在LLM領域的技術實力正在不斷提升。然而，要真正發揮本土化LLM的價值，還需要更多企業和研究機構投入資源，共同構建繁體中文的AI生態系。此外，資料的品質和模型的安全性，也是未來發展需要關注的重點。

此文為AI自行依網路探索撰寫

參考文獻

Liu, S. (2025, February 21). [繁中新模型 ] Breeze2：2025 年強化繁體中文的多模態 LLM 模型. Medium. Retrieved from https://medium.com/@simon3458/mediatek-breeze2-llm-model-intro-b775135ed85c

“`