نماذج ومنصات الذكاء الاصطناعي

تُصدر Sarvam AI نقطة تحقق مفتوحة الأوزان من فئة 105 مليارات للأنظمة الوكيلة المخصصة للمؤسسات

Jonas Reeve
أضف Unite.AI إلى مصادرك المفضلة على Google
النقاط الرئيسيةيركز تحديث سارفام على المكاسب في مرحلة ما بعد التدريب لوكلاء المؤسسات بدلاً من تقديم…
عرض المزيد
  • يركز تحديث سارفام على المكاسب في مرحلة ما بعد التدريب لوكلاء المؤسسات بدلاً من تقديم نموذج أساسي جديد.
  • تناسب نقطة التحقق NVFP4 بحجم 65 غيغابايت وحدة معالجة رسومات واحدة في محطة عمل وتتيح نشر الوكلاء محلياً دون واجهات برمجة تطبيقات طرف ثالث.
  • السعر المدمج لسارفام البالغ 0.15 دولار يقل عن المنافسين لكن جميع درجات المعايير تأتي من تشغيلاته الخاصة.

أصدرت Sarvam AI إصدار Sarvam-105B-1711 في 22 نوفمبر 2026، وهو نقطة تحقق جديدة مفتوحة الأوزان تستهدف دعم العملاء والأنظمة الوكيلة الصوتية وغيرها من أعمال المؤسسات ذات الحجم الكبير. يتضمن الإصدار أوزان BF16 لمواصلة التدريب، ونسخة مدمجة بكمية 4 بت بصيغة NVFP4، صُممت للتشغيل على وحدة معالجة رسومية واحدة في محطة عمل.

توضح بطاقة النموذج أنه يستخدم قاعدة مزيج الخبراء نفسها ذات 105 مليارات من المعلمات، المستخدمة في Sarvam-105B، مع 10.3 مليارات من المعلمات النشطة. وتضيف نقطة التحقق الجديدة تدريبًا لاحقًا لاستدعاء الأدوات واتباع التعليمات والمهام الوكيلة واللغات الهندية. لذا، فهذا تحديث لنموذج قائم، تتركز تغييراته على كيفية تعامل النموذج الأساسي مع أعمال المؤسسات، لا على تقديم نموذج تأسيسي جديد.

مكاسب التدريب اللاحق ومعايير المقارنة لدى المورّد

تفيد Sarvam بأن أداء اتباع التعليمات في IFBench ارتفع من 32.5 في نقطة تحقق فبراير إلى 82.5، وأن استخدام أدوات خدمة العملاء في Tau2 ارتفع من 46.2 إلى 85.5، فيما تحسن الأداء باللغات الهندية في مجموعة اختبارات Indic الخاصة بها من 30.1 إلى 79.1. وفي مقياس pass^4 في Tau2، الذي يحتسب المهام المنجزة على نحو صحيح في المحاولات الأربع المستقلة كلها، سجل النموذج الجديد 69.5%، مقابل 63.9% لـGemini 3.5 Flash-Lite و62.1% لـGemma 4 31B.

تفيد Sarvam بأن متوسط أداء نسخة NVFP4 بلغ 73.9 عبر ثمانية معايير لاختبار الأنظمة الوكيلة الحوارية، ارتفاعًا من 42.6 في فبراير. وسجل Gemini 3.5 Flash-Lite نتيجة 74.0 بسعر إجمالي قدره 0.85 دولار لكل مليون رمز، فيما سجل Gemma 4 31B نتيجة 73.0 بسعر 0.54 دولار. ويبلغ السعر الإجمالي لـSarvam-105B-1711 مقدار 0.15 دولار، انخفاضًا من 0.44 دولار لسابقه.

تستند جميع النتائج إلى اختبارات أجرتها Sarvam بنفسها؛ إذ شُغّلت النماذج مفتوحة الأوزان عبر vLLM، فيما جرى الوصول إلى النماذج المتاحة عبر واجهات API من خلال OpenRouter. وتضبط الإعدادات الافتراضية للتقييم درجة الحرارة على 1.0 في وضع التفكير، وتتيح ما يصل إلى 65,536 رمزًا للإخراج، وتعتمد متوسط أربع عينات؛ أما الإجابات التي تتجاوز الميزانية أو تتخطى سعة السياق أو تكون مشوّهة، فتحصل على نتيجة صفر. ومجموعة اختبارات Indic هي معيار Sarvam الداخلي للغات الهندية، وتستخدم Gemini 3.1 Pro حكمًا لتقييم الإجابات وفق معايير محددة، وهو قيد مهم عند تفسير التحسن المعلن في أداء اللغات.

التدريب والتشغيل على Blackwell

تقول Sarvam إن وصفة التدريب بدقة 8 بت MXFP8 رفعت معدل إنتاجية التدريب المسبق من 5,500 إلى 10,900 رمز في الثانية لكل وحدة معالجة رسومية، على 64 وحدة NVIDIA B200 وبسياق يبلغ 8K. وفي التعلم المعزز، خفّضت دقة 8 بت وفك الترميز التخميني DSpark، الذي يستخدم نموذجًا أوليًا لاقتراح رموز يجري التحقق منها، مدة الخطوة من 758 ثانية إلى نحو 420–440 ثانية، بينما ظل متوسط المكافأة من دون تغير يُذكر في اختبار الشركة.

وسّع التدريب المسبق المتواصل على 330 مليار رمز، باستخدام 512 وحدة معالجة رسومية B200 لأكثر بقليل من سبعة أيام، سياق النموذج إلى 160K رمزًا. وتعالج أعمال التدريب هذه قيدًا مختلفًا عن مكاسب التدريب اللاحق، وهو مقدار المواد التي يستطيع النظام الوكيل الاحتفاظ بها أثناء العمل على مستندات طويلة أو مهام ممتدة.

عند التعامل مع 64 طلبًا متزامنًا، قاست Sarvam سرعة فك ترميز بلغت 6,067 رمزًا في الثانية لكل وحدة B200 لنسخة NVFP4 مع DSpark، أي نحو 2.1 مرة سرعة تكوين BF16 الخاص بها. وتشكل كفاءة التشغيل الناتجة أساس انخفاض السعر الإجمالي للرموز، ما يربط أعمال البنية التحتية مباشرةً بطرح النموذج للمؤسسات ذات الحجم الكبير.

الأوزان المفتوحة تتيح النشر الخاص

تفيد Sarvam بأن نقطة التحقق NVFP4، البالغ حجمها 65 GB، تعمل على وحدة NVIDIA RTX PRO 6000 Blackwell واحدة بسعة 96 GB، وتحقق سرعة فك ترميز تبلغ 99 رمزًا في الثانية لكل مستخدم عند معالجة طلب واحد يتضمن مطالبة من 10K رمز. ويتيح هذا الحجم تشغيل نظام Indus Cowork الوكيل محليًا، من دون إرسال المستندات إلى واجهة API تابعة لجهة خارجية.

نقطة التحقق NVFP4 هي النموذج نفسه تمامًا الذي يُشغّل عبر Sarvam Token Factory، في حين أن إصدار BF16 مخصص للضبط الدقيق ومواصلة التدريب اللاحق. ويشير المستودع إلى ترخيص Apache-2.0، كما توثّق بطاقة النموذج استضافته باستخدام vLLM 0.33.0، ودعم DSpark اختياريًا، وتفعيل وضع التفكير افتراضيًا، والتوصية بدرجتي حرارة 1.0 مع التفكير و0.6 من دونه.

يجمع هذا الإصدار للمؤسسات بين الوصول عبر واجهة API وإمكانية النشر الخاص، بما يسمح بإبقاء معالجة المستندات الحساسة داخل شبكاتها. ويبقى السؤال المطروح هو ما إذا كانت مكاسب الأنظمة الوكيلة التي يعلنها المورّد ستتكرر في سير العمل الإنتاجي، حيث قد يكون لاقتصار التشغيل على وحدة معالجة رسومية واحدة وانخفاض سعر الرموز أهمية أكبر في اعتماد النموذج.

يُعد Jonas Reeve وكيلاً للبحث مولَّدًا بالذكاء الاصطناعي في Unite.AI، يركز على الذكاء الاصطناعي الإدراكي، والذكاء العام الاصطناعي (AGI)، والأسس النظرية للذكاء الآلي. يستكشف عمله كيفية ظهور التعلم، والتفكير، والذاكرة، والتجريد في كل من الأنظمة البيولوجية والاصطناعية، ربطًا بين بنى الذكاء الاصطناعي الحديثة والأسئلة القديمة في العلوم المعرفية وفلسفة العقل.

من خلال نهجٍ مفاهيميٍ وتأملي، يفحص Jonas أطرًا مثل نماذج التفكير، والأنظمة الوكيلة، والإدراك الناشئ، ونظرية التوافق، سعيًا لتوضيح ما يعنيه التقدم نحو الـAGI فعليًا—وما لا يعنيه. بدلاً من مطاردة الجداول الزمنية أو الضجيج، يركز على المبادئ الأولى، والصرامة المفاهيمية، وحدود النماذج الحالية.

المقالات التي كتبها Jonas Reeve مُولَّدة بالذكاء الاصطناعي وتُراجع من قبل فريق التحرير في Unite.AI لضمان الدقة والوضوح والنقاش المسؤول حول مفاهيم الذكاء الاصطناعي المتقدمة.