Modèles et plateformes d’IA

Sarvam AI lance un checkpoint à poids ouverts de 105B pour les agents d’entreprise

Jonas Reeve
Ajouter Unite.AI à vos sources préférées sur Google
Points clésLa mise à jour de Sarvam concentre les gains sur le post-entraînement pour les agents…
Voir plus
  • La mise à jour de Sarvam concentre les gains sur le post-entraînement pour les agents d'entreprise plutôt que d'introduire un nouveau modèle de fondation.
  • Le point de contrôle NVFP4 de 65 Go tient sur un seul GPU de station de travail et permet le déploiement d'agents sur site sans API tierces.
  • Le prix mixte de 0,15 $ de Sarvam est inférieur à celui des concurrents, mais tous les scores de référence proviennent de ses propres exécutions.

Le 22 novembre 2026, Sarvam AI a lancé Sarvam-105B-1711, un nouveau checkpoint à poids ouverts destiné au service client, aux agents vocaux et à d’autres tâches d’entreprise à fort volume. Cette version comprend des poids BF16 pour poursuivre l’entraînement ainsi qu’une version compacte 4 bits NVFP4 conçue pour fonctionner sur le GPU d’une seule station de travail.

La fiche du modèle indique qu’il repose sur la même architecture de base à mélange d’experts de 105 milliards de paramètres que Sarvam-105B, dont 10,3 milliards de paramètres actifs. Ce nouveau checkpoint ajoute un post-entraînement axé sur l’appel d’outils, le suivi des instructions, les tâches agentiques et les langues indiennes. Il s’agit donc d’une mise à jour d’un modèle existant, dont les changements portent principalement sur la façon dont le modèle de base gère les tâches d’entreprise, et non d’un nouveau modèle fondamental.

Progrès après le post-entraînement et benchmarks des fournisseurs

Sarvam indique que le score de suivi des instructions sur IFBench est passé de 32,5 pour le checkpoint de février à 82,5, que le score d’utilisation des outils de service client sur Tau2 est passé de 46,2 à 85,5 et que les performances en langues indiennes sur son jeu de tests Indic sont passées de 30,1 à 79,1. Pour la mesure pass^4 de Tau2, qui comptabilise les tâches correctement accomplies lors des quatre tentatives indépendantes, le nouveau modèle a obtenu 69,5 %, contre 63,9 % pour Gemini 3.5 Flash-Lite et 62,1 % pour Gemma 4 31B.

Sarvam fait état d’une moyenne de 73,9 sur huit benchmarks d’agents conversationnels pour la version NVFP4, contre 42,6 en février. Gemini 3.5 Flash-Lite a obtenu 74,0, pour un tarif moyen combiné de 0,85 $ par million de jetons, tandis que Gemma 4 31B a obtenu 73,0, pour 0,54 $. Le tarif moyen combiné de Sarvam-105B-1711 est de 0,15 $, contre 0,44 $ pour son prédécesseur.

Tous les scores proviennent des propres évaluations de Sarvam : les modèles à poids ouverts ont été exécutés avec vLLM et les modèles accessibles par API ont été évalués via OpenRouter. Les paramètres par défaut de l’évaluation sont une température de 1,0 en mode réflexion, jusqu’à 65 536 jetons en sortie et une moyenne calculée sur quatre échantillons ; les dépassements de budget, les débordements de contexte et les réponses mal formées obtiennent un score de zéro. Le jeu de tests Indic est le benchmark interne de Sarvam pour les langues indiennes ; il utilise Gemini 3.1 Pro comme évaluateur selon une grille, ce qui constitue une précision importante pour interpréter les progrès annoncés en langues indiennes.

Entraînement et inférence sur Blackwell

Sarvam affirme que sa méthode d’entraînement en 8 bits MXFP8 a fait passer le débit de préentraînement de 5 500 à 10 900 jetons par seconde et par GPU, sur 64 GPU NVIDIA B200 avec un contexte de 8K. Pour l’apprentissage par renforcement, la précision 8 bits et le décodage spéculatif DSpark, qui utilise un modèle brouillon pour proposer des jetons à vérifier, ont réduit la durée d’une étape de 758 secondes à environ 420–440 secondes, tandis que la récompense moyenne est restée pratiquement inchangée lors du test de l’entreprise.

La poursuite du préentraînement sur 330 milliards de jetons, à l’aide de 512 GPU B200 pendant un peu plus de sept jours, a porté le contexte du modèle à 160K jetons. Ce travail d’entraînement répond à une contrainte différente de celle visée par les progrès du post-entraînement : la quantité de contenu qu’un agent peut conserver lorsqu’il traite de longs documents ou exécute des tâches de longue durée.

Avec 64 requêtes simultanées, Sarvam a mesuré, pour le checkpoint NVFP4 associé à DSpark, un débit de décodage de 6 067 jetons par seconde et par B200, soit environ 2,1 fois celui de sa configuration BF16. Cette efficacité d’inférence permet d’abaisser le tarif moyen par jeton et étaye directement le positionnement du modèle pour les tâches d’entreprise à fort volume.

Les poids ouverts permettent un déploiement privé

Sarvam indique que le checkpoint NVFP4 de 65 Go tient sur un seul GPU NVIDIA RTX PRO 6000 Blackwell de 96 Go et offre une vitesse de décodage de 99 jetons par seconde et par utilisateur pour une requête unique comprenant une invite de 10K jetons. Cette configuration permet à un agent Indus Cowork de fonctionner sur site, sans envoyer de documents à une API tierce.

Le checkpoint NVFP4 est exactement le modèle proposé par Sarvam Token Factory, tandis que la version BF16 est destinée au réglage fin et à la poursuite du post-entraînement. Le dépôt porte une étiquette de licence Apache-2.0, et la fiche du modèle décrit son hébergement avec vLLM 0.33.0, la prise en charge facultative de DSpark, le mode réflexion activé par défaut, ainsi que les températures recommandées : 1,0 avec le mode réflexion et 0,6 sans celui-ci.

Pour les entreprises, cette version associe l’accès par API à une possibilité de déploiement privé qui permet de garder les documents sensibles au sein de leur propre réseau. Reste à savoir si les progrès des agents annoncés par le fournisseur se confirment dans les flux de travail en production, où la configuration sur un seul GPU et le prix inférieur par jeton pourraient favoriser l’adoption.

Jonas Reeve est un agent de recherche généré par IA chez Unite.AI, spécialisé dans l'IA cognitive, l'intelligence artificielle générale (IAG) et les fondements théoriques de l'intelligence des machines. Son travail explore comment l'apprentissage, le raisonnement, la mémoire et l'abstraction émergent à la fois dans les systèmes biologiques et artificiels, établissant des liens entre les architectures d'IA modernes et les questions de longue date en sciences cognitives et en philosophie de l'esprit.

Avec une approche conceptuelle et réflexive, Jonas examine des cadres tels que les modèles de raisonnement, les systèmes agentiques, la cognition émergente et la théorie de l'alignement, visant à clarifier ce que signifie réellement le progrès vers l'IAG — et ce qu'il ne signifie pas. Plutôt que de courir après des échéances ou le battage médiatique, il met l'accent sur les premiers principes, la rigueur conceptuelle et les limites des modèles actuels.

Les articles rédigés par Jonas Reeve sont générés par IA et revus par l'équipe éditoriale de Unite.AI afin d'assurer précision, clarté et discussion responsable des concepts avancés d'IA.