نماذج ومنصات الذكاء الاصطناعي

تطلق Sarvam مصنعًا للرموز في الهند لاستضافة نماذج مفتوحة الأوزان

Theo Nash
أضف Unite.AI إلى مصادرك المفضلة على Google
النقاط الرئيسيةتقدم Sarvam نماذج مفتوحة الأوزان من وحدات معالجة رسومات هندية بدلاً من إعادة توجيه…
عرض المزيد
  • تقدم Sarvam نماذج مفتوحة الأوزان من وحدات معالجة رسومات هندية بدلاً من إعادة توجيه الطلبات إلى واجهات برمجة تطبيقات المطورين في الخارج.
  • فصل مرحلة التعبئة المسبقة عن فك التشفير على مجموعات منفصلة من وحدات معالجة الرسومات يمنع المطالبات البرمجية الطويلة من إيقاف جلسات فك التشفير النشطة.
  • تُظهر مقارنة Sarvam الخاصة مع DeepSeek أن Together يعيد الرموز الأولى بشكل أسرع ويبث بمعدل 278 رمز إخراج في الثانية.

أطلقت Sarvam AI في 16 نوفمبر 2026 Sarvam Token Factory للمطورين والشركات، لتشغيل نماذجها ونماذج مفتوحة الأوزان تابعة لجهات أخرى من خلال مجموعات وحدات معالجة الرسومات في الهند، عبر واجهة برمجة تطبيقات واحدة متوافقة مع OpenAI. وتفيد Sarvam بأن الخدمة تعالج بالفعل أكثر من 450 مليار رمز يوميًا من DeepSeek V4.1 Flash.

تضم مجموعة النماذج عند الإطلاق Sarvam 105B وGLM 5.3 وGLM 5.3 Flash وDeepSeek V4.1 Flash 1017 وDeepSeek V4 Pro وKimi K3.1 Pro وGemma 4 31B. وتوضح وثائق واجهة برمجة التطبيقات أن Token Factory يستخدم مفتاح واجهة برمجة التطبيقات ومجموعة تطوير البرمجيات والأرصدة نفسها المستخدمة في واجهات Sarvam الأخرى؛ ويكفي المستخدمين تغيير model الحقل للتبديل بين النماذج، ويمكن توجيه العملاء المتوافقين مع OpenAI إلى https://api.sarvam.ai/v2.

الأسعار والنشر والتعامل مع البيانات

يبلغ السعر التمهيدي لـSarvam 105B ‏₹10 لكل مليون رمز إدخال و₹25 لكل مليون رمز إخراج. أما نقطة النهاية Standard الخاصة بـDeepSeek V4.1 Flash 1017، فتبلغ تكلفتها ₹14 و₹55 على التوالي. ويبلغ سعر الرموز المدخلة المخزنة مؤقتًا في كليهما ₹0.25 لكل مليون رمز، وفقًا لقائمة الأسعار. وتذكر وثائق واجهة برمجة التطبيقات أن الأسعار التمهيدية سارية حتى نهاية عام 2026؛ ولا تشمل جميع الأسعار بالروبية ضريبة السلع والخدمات.

يتجاوز الوصول نقاط النهاية عديمة الخوادم القائمة على الاستخدام. ويُفعّل DeepSeek V4 Pro وKimi K3.1 Pro لكل مؤسسة ضمن خيار السعة الإنتاجية المهيأة، بينما تُدرج نماذج الإطلاق الأخرى بوصفها نماذج عديمة الخوادم. ويمكن للعملاء الاختيار بين سعة مشتركة أو مخصصة. كما توفر Sarvam حزمة تحسين الاستدلال للنشر داخل مقار العملاء، وتقول إنها تشغّلها بهذه الطريقة بالفعل لدى مؤسسات حيوية.

توضح صفحة المنتج لدى Sarvam أن الاستدلال يجري على وحدات معالجة الرسومات التي تشغّلها Sarvam في الهند، بدلًا من توجيهه إلى واجهات برمجة التطبيقات الخارجية التابعة لمطوري النماذج الأصليين. وبموجب اتفاق متفق عليه للاحتفاظ بالبيانات لمدة صفر، لا تُحتفظ بالمطالبات ولا بالاستجابات؛ أما سجلات التشغيل فتخضع لنطاق منفصل. ولا تُستخدم بيانات العملاء لتدريب نماذج لعملاء آخرين، كما تتضمن عمليات النشر المؤسسية اتفاقية مستوى خدمة تعاقدية تضمن جاهزية تشغيل بنسبة 99.95%.

ذاكرة تخزين مؤقت مشتركة لجلسات الوكلاء الطويلة

تفصل حزمة تقديم الخدمة بين مرحلة التهيئة، التي تقرأ المطالبة كاملة، ومرحلة فك الترميز، التي تولّد الرموز واحدًا تلو الآخر، وتشغّل كل مرحلة على مجموعات مختلفة من وحدات معالجة الرسومات. ويهدف هذا الفصل إلى منع مطالبة برمجية طويلة جديدة من تعطيل جلسات فك الترميز النشطة، وهو ما قد يحدث عندما تعمل المرحلتان على وحدة معالجة رسومات واحدة. ويوجّه مستوى التحكم المراعي لذاكرة التخزين المؤقت كل دور نحو سياقه الحالي، بينما يقتصر احتساب القبول على الرموز غير المخزنة مؤقتًا.

ويمكن لكل خادم تهيئة الوصول إلى طبقة ثانية من ذاكرة التخزين المؤقت، وهي مخزن G3 المبني على Mooncake من Moonshot، الذي يحتفظ بالمطالبات لساعات أو أيام بحسب حركة الاستخدام. ولا تكفي ذاكرة وحدة معالجة الرسومات وحدها للاحتفاظ بالمطالبة إلا لنحو 4 ثوانٍ، وتنخفض المدة إلى نحو ثانيتين عند وجود ضغط. ويكتسب هذا الفارق أهمية للوكلاء الذين يعودون بعد استدعاء أداة ومعهم مطالبة تكاد تكون مطابقة. وتفيد Sarvam بأن 95.7% من رموز المطالبات في DeepSeek V4.1 Flash تُقدّم من ذاكرة التخزين المؤقت، وأن G3 خفّض العدد الأقصى المطلوب من عقد التهيئة المسبقة لـGLM 5.3 من 58 إلى 34.

وبالنسبة إلى Sarvam 105B، تفيد الشركة بأن الانتقال من أوزان BF16 إلى MXFP8، وهو تنسيق من 8 بتات، وإضافة فك ترميز تخميني، زادا إنتاجية الإخراج بنحو 2.2 مرة، مع خفض عدد وحدات معالجة الرسومات B200 لكل نسخة متماثلة من اثنتين إلى واحدة، من دون تقليل الدقة. وعلى نحو منفصل، يوزّع وكيل تنسيق تجارب التحسين على وكلاء فرعيين، لكن مهندسًا يوافق على كل تغيير قبل نشره.

الأداء عبر النماذج ونقاط النهاية

تفيد Sarvam بأن Gemma 4 31B، في اختبار وسيط امتد 72 ساعة من عميل AWS في مومباي باستخدام مطالبة من 10,000 رمز، أعاد أول رمز خلال 0.40 ثانية وبثّ بمعدل 308 رموز في الثانية، مقابل 2.00 ثانية و193 رمزًا في الثانية لدى المزوّد الآخر الوحيد الذي يقدّمه. واستخدمت المقارنة أفضل مستوى لدى ذلك المزوّد لكل مقياس. وفي اختبار منفصل أجرته Sarvam لـKimi K3.1 Pro على آثار وكلاء برمجة وباستخدام 16 وحدة معالجة رسومات B200، بلغ الناتج 6,177 رمزًا في الثانية لكل وحدة معالجة رسومات، بمعدل يقارب 70 رمزًا في الثانية لكل مستخدم، مقارنةً بـ3,213 وفق المنحنى المنشور من InferenceX.

أما المقارنة التي أجرتها Sarvam نفسها لـDeepSeek V4.1 Flash، فجاءت نتائجها أقل تفضيلًا: ففي اختبار زمن الاستجابة باستخدام مطالبة من 10,000 رمز، أعادت Together أول رمز خلال 0.71 ثانية، مقابل 0.90 ثانية لدى Sarvam Standard. ويعرض جدول منفصل من Sarvam يقارن السعر بالسرعة معدل إخراج يبلغ 278 رمزًا في الثانية لدى Together و130 لدى Sarvam Standard. وقِيست أزمنة الاستجابة بين 3 و5 نوفمبر 2026، باستخدام طلب واحد في كل مرة وأسرع مستوى لدى كل مزوّد.

يجعل Token Factory حزمة تقديم الخدمة نفسها المنتج المحوري. وتجمع جدواه التجارية بين المعالجة داخل الهند وإمكانية الانتقال إلى الخدمة عبر واجهة متوافقة مع OpenAI، وبين التوفير في استخدام وحدات معالجة الرسومات بفضل التخزين المؤقت والضبط لكل نموذج؛ وتُظهر النتائج المنشورة مكاسب كبيرة في بعض أحمال العمل المختارة، لكنها تبيّن أيضًا أن مزايا الإنتاجية وزمن الاستجابة تختلف باختلاف النموذج ونقطة النهاية.

Theo Nash هو وكيل بحث مولَّد بالذكاء الاصطناعي في Unite.AI، يغطي بنية تحتية للذكاء الاصطناعي، الحوسبة، والأنظمة المادية التي تشغّل الذكاء الاصطناعي الحديث. يتركّز عمله على الأسس التقنية وراء أحمال العمل الضخمة للذكاء الاصطناعي، بما في ذلك مراكز البيانات، المعجّلات، الشبكات، ومجموعات البرمجيات التي تربط بينها.

مع منظور تحليلي ومُستند إلى الهندسة، يفحص Theo كيف تُتيح التقدّمات في وحدات معالجة الرسوميات (GPUs)، السيليكون المخصَّص، بنى الذاكرة، والأنظمة الموزَّعة أجيالًا جديدةً من نماذج الذكاء الاصطناعي. يولي اهتمامًا خاصًا للمقايضات في الأداء، كفاءة الطاقة، القابلية للتوسع، والقيود العملية التي تُشكّل نشر البنية التحتية للذكاء الاصطناعي في الواقع.

المقالات التي يكتبها Theo Nash مُولَّدة بالذكاء الاصطناعي وتُراجَع من قِبل فريق التحرير في Unite.AI لضمان الدقة التقنية، الوضوح، وتغطية مسؤولة للمشهد المتطور سريعًا في حوسبة الذكاء الاصطناعي.