Modelos e plataformas de IA
Sarvam AI lança checkpoint de pesos abertos com 105 bilhões de parâmetros para agentes empresariais

Pontos-chaveA atualização da Sarvam concentra os ganhos no pós-treinamento para agentes…
Ver mais
- A atualização da Sarvam concentra os ganhos no pós-treinamento para agentes empresariais, em vez de introduzir um novo modelo de base.
- O checkpoint NVFP4 de 65 GB cabe em uma GPU de estação de trabalho e permite a implantação de agentes no local sem APIs de terceiros.
- O preço combinado de US$ 0,15 da Sarvam é inferior ao dos concorrentes, mas todas as pontuações de benchmark vêm de suas próprias execuções.
A Sarvam AI lançou o Sarvam-105B-1711 em 22 de novembro de 2026: um novo checkpoint de pesos abertos voltado para atendimento ao cliente, agentes de voz e outras tarefas empresariais de alto volume. O lançamento inclui pesos BF16 para treinamento adicional e uma versão compacta de 4 bits em NVFP4, projetada para funcionar em uma única GPU de estação de trabalho.
O cartão do modelo identifica a mesma base de mistura de especialistas com 105 bilhões de parâmetros usada pelo Sarvam-105B, com 10,3 bilhões de parâmetros ativos. O novo checkpoint acrescenta pós-treinamento para chamadas de ferramentas, seguimento de instruções, tarefas agênticas e idiomas indianos. Portanto, trata-se de uma atualização de um modelo existente, cujas mudanças se concentram em como a base lida com tarefas empresariais, e não de um novo modelo de base.
Ganhos com o pós-treinamento e benchmarks do fornecedor
A Sarvam informa que o desempenho no seguimento de instruções no IFBench subiu de 32,5 no checkpoint de fevereiro para 82,5; o uso de ferramentas para atendimento ao cliente no Tau2 passou de 46,2 para 85,5; e o desempenho em idiomas indianos em sua bateria Indic aumentou de 30,1 para 79,1. Na métrica pass^4 do Tau2, que contabiliza as tarefas concluídas corretamente nas quatro tentativas independentes, o novo modelo obteve 69,5%, ante 63,9% do Gemini 3.5 Flash-Lite e 62,1% do Gemma 4 31B.
A Sarvam informa uma média de 73,9 em oito benchmarks de agentes de conversação para a versão NVFP4, acima dos 42,6 registrados em fevereiro. O Gemini 3.5 Flash-Lite obteve 74,0, a um preço combinado de US$ 0,85 por milhão de tokens, enquanto o Gemma 4 31B marcou 73,0, a US$ 0,54. O preço combinado do Sarvam-105B-1711 é de US$ 0,15, abaixo dos US$ 0,44 de seu antecessor.
Todas as pontuações vêm de testes realizados pela própria Sarvam: os modelos de pesos abertos foram servidos por meio do vLLM, e os modelos de API foram acessados pelo OpenRouter. As configurações padrão da avaliação usam temperatura 1,0 no modo de raciocínio, até 65.536 tokens de saída e a média de quatro amostras; respostas que excedem o orçamento, ultrapassam o contexto ou são malformadas recebem nota zero. A bateria Indic é o benchmark interno da Sarvam para idiomas indianos e usa o Gemini 3.1 Pro como avaliador com base em critérios, uma ressalva importante para o ganho de desempenho linguístico relatado.
Treinamento e inferência no Blackwell
A Sarvam afirma que sua receita de treinamento MXFP8 de 8 bits elevou o rendimento do pré-treinamento de 5.500 para 10.900 tokens por segundo por GPU, usando 64 GPUs NVIDIA B200 com contexto de 8K. No aprendizado por reforço, a precisão de 8 bits e a decodificação especulativa DSpark — que usa um modelo preliminar para propor tokens a serem verificados — reduziram a duração de uma etapa de 758 segundos para cerca de 420 a 440 segundos, enquanto a recompensa média permaneceu praticamente inalterada nos testes da empresa.
O pré-treinamento contínuo com 330 bilhões de tokens, usando 512 GPUs B200 durante pouco mais de sete dias, ampliou o contexto do modelo para 160 mil tokens. Esse trabalho de treinamento aborda uma limitação diferente daquela tratada pelos ganhos do pós-treinamento: a quantidade de material que um agente consegue reter enquanto trabalha com documentos longos ou tarefas prolongadas.
Com 64 solicitações simultâneas, a Sarvam mediu 6.067 tokens decodificados por segundo por B200 para o checkpoint NVFP4 com DSpark, cerca de 2,1 vezes o valor de sua configuração BF16. Essa eficiência de inferência é a base do preço combinado mais baixo por token, ligando diretamente o trabalho de infraestrutura à proposta do modelo para tarefas empresariais de alto volume.
Pesos abertos permitem implantação privada
A Sarvam informa que o checkpoint NVFP4 de 65 GB cabe em uma única GPU NVIDIA RTX PRO 6000 Blackwell de 96 GB e oferece velocidade de decodificação de 99 tokens por segundo por usuário para uma única solicitação com um prompt de 10 mil tokens. Essa configuração permite que um agente Indus Cowork seja executado localmente, sem enviar documentos a uma API de terceiros.
O checkpoint NVFP4 é exatamente o modelo servido por meio do Sarvam Token Factory, enquanto o lançamento BF16 se destina ao ajuste fino e a etapas adicionais de pós-treinamento. O repositório tem uma etiqueta de licença Apache-2.0, e o cartão do modelo documenta a hospedagem com vLLM 0.33.0, o suporte opcional ao DSpark, o modo de raciocínio ativado por padrão e as temperaturas recomendadas: 1,0 com o modo de raciocínio e 0,6 sem ele.
Para as empresas, o lançamento combina acesso por API com uma opção de implantação privada que pode manter o processamento de documentos confidenciais dentro das próprias redes. A questão em aberto é se os ganhos dos agentes relatados pelo fornecedor também se confirmam nos fluxos de trabalho em produção, nos quais a configuração de uma única GPU e o menor preço por token podem ser especialmente relevantes para a adoção.












