Modele și platforme AI
Sarvam AI lansează un checkpoint cu ponderi deschise de 105B pentru agenți enterprise

Puncte cheieActualizarea Sarvam concentrează câștigurile în post-instruire pentru agenții…
Vezi mai mult
- Actualizarea Sarvam concentrează câștigurile în post-instruire pentru agenții enterprise, în loc să introducă un nou model fundamental.
- Checkpoint-ul NVFP4 de 65 GB încape pe un singur GPU de stație de lucru și permite implementarea agenților on-premises fără API-uri terțe.
- Prețul combinat al Sarvam de 0,15 USD subcotează concurenții, dar toate scorurile benchmark provin din rulările proprii.
Sarvam AI a lansat Sarvam-105B-1711 pe 22 noiembrie 2026, un nou checkpoint cu ponderi deschise, destinat serviciilor de asistență pentru clienți, agenților vocali și altor activități enterprise de mare volum. Lansarea include ponderi BF16 pentru antrenare suplimentară și o versiune compactă pe 4 biți, NVFP4, concepută să ruleze pe o singură placă GPU pentru stație de lucru.
Fișa modelului indică aceeași bază de 105 miliarde de parametri, cu arhitectură de tip amestec de experți, folosită de Sarvam-105B, dintre care 10,3 miliarde sunt parametri activi. Noul checkpoint adaugă antrenare ulterioară pentru apelarea instrumentelor, urmarea instrucțiunilor, sarcini agentice și limbi indiene. Prin urmare, este o actualizare a unui model existent, schimbările vizând în principal modul în care baza gestionează activitățile enterprise, nu lansarea unui nou model de bază.
Progrese obținute prin antrenare ulterioară și evaluări comparative ale furnizorului
Sarvam raportează că scorul pentru urmarea instrucțiunilor la IFBench a crescut de la 32,5 pentru checkpointul din februarie la 82,5, cel pentru utilizarea instrumentelor în serviciile pentru clienți la Tau2 a urcat de la 46,2 la 85,5, iar performanța în limbi indiene la suita Indic proprie a crescut de la 30,1 la 79,1. La măsura pass^4 din Tau2, care numără sarcinile finalizate corect în toate cele patru încercări independente, noul model a obținut 69,5%, față de 63,9% pentru Gemini 3.5 Flash-Lite și 62,1% pentru Gemma 4 31B.
Sarvam raportează pentru versiunea NVFP4 o medie de 73,9 la opt teste comparative pentru agenți conversaționali, în creștere față de 42,6 în februarie. Gemini 3.5 Flash-Lite a obținut 74,0, la un tarif combinat de 0,85 USD per milion de tokeni, în timp ce Gemma 4 31B a obținut 73,0, la 0,54 USD. Tariful combinat pentru Sarvam-105B-1711 este de 0,15 USD, în scădere de la 0,44 USD pentru versiunea anterioară.
Toate scorurile provin din testările proprii ale Sarvam: modelele cu ponderi deschise au fost servite prin vLLM, iar modelele API au fost accesate prin OpenRouter. Setările implicite de evaluare folosesc temperatura 1,0 în modul de raționare, până la 65 536 de tokeni de ieșire și media a patru eșantioane; răspunsurile care depășesc bugetul, depășesc limita de context sau sunt formatate incorect primesc scorul zero. Suita Indic este testul intern al Sarvam pentru limbile indiene și folosește Gemini 3.1 Pro drept evaluator pe baza unei grile de criterii, aspect important de avut în vedere în legătură cu progresul raportat pentru aceste limbi.
Antrenarea și servirea pe Blackwell
Sarvam afirmă că rețeta sa de antrenare MXFP8 pe 8 biți a crescut debitul de preantrenare de la 5 500 la 10 900 de tokeni pe secundă per GPU, pe 64 de GPU-uri NVIDIA B200, cu o fereastră de context de 8K. Pentru învățarea prin consolidare, precizia pe 8 biți și decodarea speculativă DSpark, care folosește un model preliminar pentru a propune tokeni ce urmează să fie verificați, au redus durata unui pas de la 758 de secunde la aproximativ 420–440 de secunde, în timp ce recompensa medie a rămas practic neschimbată în testul companiei.
Preantrenarea continuă pe 330 de miliarde de tokeni, folosind 512 GPU-uri B200 timp de puțin peste șapte zile, a extins contextul modelului la 160K de tokeni. Această etapă de antrenare abordează o limitare diferită de progresele obținute prin antrenarea ulterioară: cât de mult material poate reține un agent în timp ce parcurge documente lungi sau îndeplinește sarcini de durată.
La 64 de solicitări concurente, Sarvam a măsurat pentru checkpointul NVFP4 cu DSpark o viteză de decodare de 6 067 de tokeni pe secundă per B200, de aproximativ 2,1 ori mai mare decât în configurația BF16. Eficiența rezultată a servirii stă la baza tarifului combinat mai mic per token, legând direct optimizarea infrastructurii de poziționarea modelului pentru activități enterprise de mare volum.
Ponderile deschise permit implementarea privată
Sarvam raportează că checkpointul NVFP4 de 65 GB încape pe un singur GPU NVIDIA RTX PRO 6000 Blackwell de 96 GB și oferă o viteză de decodare de 99 de tokeni pe secundă per utilizator, pentru o singură solicitare cu un prompt de 10K tokeni. Această amprentă permite unui agent Indus Cowork să ruleze local, fără a trimite documentele către un API terț.
Checkpointul NVFP4 este modelul exact servit prin Sarvam Token Factory, în timp ce versiunea BF16 este destinată ajustării fine și antrenării ulterioare. Depozitul are marcajul de licență Apache-2.0, iar fișa modelului documentează găzduirea cu vLLM 0.33.0, compatibilitatea opțională cu DSpark, activarea implicită a modului de raționare și temperaturile recomandate: 1,0 cu raționare și 0,6 fără.
Pentru companii, lansarea combină accesul prin API cu opțiunea de implementare privată, care permite păstrarea activităților sensibile cu documente în propriile rețele. Rămâne de văzut dacă progresele raportate de furnizor pentru agenți se vor confirma în fluxurile de lucru din producție, unde amprenta redusă, compatibilă cu un singur GPU, și tariful mai mic per token ar putea conta cel mai mult pentru adoptare.












