Sarvam AI เปิดตัวโมเดลตัดสินใจ Prism แบบเปิดน้ำหนัก

Sarvam AI เปิดตัว Sarvam Prism เมื่อวันที่ 3 พฤศจิกายน 2026 ซึ่งเป็นโมเดลแบบเปิดน้ำหนักสำหรับการตัดสินใจในองค์กร โดยใช้ Sarvam 105B เป็นโมเดลพื้นฐาน และให้คะแนนตัวเลือกที่กำหนดไว้ล่วงหน้าโดยไม่สร้างข้อความทีละโทเคน บริษัทระบุว่าโมเดลมีเวลาตอบสนองมัธยฐาน 44 มิลลิวินาทีเมื่อทำงานบน GPU NVIDIA B200 หนึ่งตัว และได้คะแนนเฉลี่ยสูงที่สุดในบรรดาโมเดลที่ตอบได้ภายใน 100 มิลลิวินาที จากการประเมินโมเดล 25 รุ่น

ดาวน์โหลดน้ำหนักโมเดลได้จาก Hugging Face ภายใต้สัญญาอนุญาต Apache 2.0 และใช้งานผ่านระบบโฮสต์ได้ทาง Sarvam API บน Sarvam Indus การติดตั้งใช้งานต้องใช้ GPU หนึ่งตัวที่มีหน่วยความจำอย่างน้อย 120 GB โดยให้ Prism ทำงานในรูปแบบ FP8 โมเดลประมวลผลได้สูงสุด 131,072 โทเคนต่อคำถาม จึงประเมินอินพุตขนาดยาว เช่น ร่องรอยการทำงานของเอเจนต์ ได้ในครั้งเดียว

โมเดลตัดสินใจที่ประมวลผลในครั้งเดียว

คำขอแต่ละรายการประกอบด้วยสถานะ คำถาม และตัวเลือกจำนวนเท่าใดก็ได้ตามที่หน้าต่างบริบทจะรองรับ Prism ประมวลผลอินพุตดังกล่าวด้วยการส่งผ่านไปข้างหน้าเพียงครั้งเดียว จากนั้นส่วนหัวให้คะแนนขนาดเล็กจะกำหนดความน่าจะเป็นให้แต่ละตัวเลือก Sarvam สร้างโมเดลนี้โดยปรับแต่งระบบ 105B ด้วย LoRA เพื่อให้เหมาะกับการตัดสินใจในองค์กร แทนการสร้างข้อความแบบอิสระ การใช้งานที่ผ่านการทดสอบแล้ว ได้แก่ การกำหนดเส้นทางตามเจตนาของคำขอฝ่ายบริการลูกค้า การกำหนดเส้นทางไปยังโมเดล การทำความเข้าใจเอกสาร และการตรวจสอบการทำงานของเอเจนต์

วัตถุประสงค์การฝึกสองแบบที่มีน้ำหนักเท่ากันเป็นตัวกำหนดความน่าจะเป็นเหล่านั้น แบบแรกใช้ครอสเอนโทรปีร่วมกับการปรับเรียบป้ายกำกับ 5% เพื่อลดการให้ความมั่นใจเต็มร้อย ส่วนอีกแบบใช้ Brier loss ซึ่งวัดค่าความคลาดเคลื่อนกำลังสองของความน่าจะเป็น และทำให้การทำนายผิดอย่างมั่นใจมีต้นทุนสูง Sarvam ระบุว่าการปรับเทียบของ Prism เป็นผลจากการผสมผสานวิธีทั้งสอง นอกจากนี้ มาสก์ความสนใจที่ออกแบบขึ้นเฉพาะยังแยกตัวเลือกแต่ละข้อออกจากกันระหว่างการให้คะแนน โดยอ่านสถานะและคำถามได้สองทิศทาง ขณะที่มีเพียงโทเคนคำตอบเท่านั้นที่มองเห็นและเปรียบเทียบตัวเลือกทั้งหมด

การวัดความแม่นยำและเวลาแฝง

คะแนนเฉลี่ยที่รายงานคำนวณจากดัชนีสามรายการ ได้แก่ Jev Decision Index ซึ่งครอบคลุมเกณฑ์มาตรฐานสาธารณะ 37 รายการ การจำลอง Artificial Analysis Decision Index ของ Sarvam ซึ่งแทนที่แบบทดสอบความรู้ส่วนตัวฉบับเดิมด้วยคำถามยากที่คัดสรรมา พร้อมตัวเลือก “ฉันไม่ทราบ” และเกณฑ์มาตรฐานภาษาของอินเดียที่ใช้ภายในบริษัท เวลาตอบสนองเป็นค่ามัธยฐานจากคำขอ 1,000 รายการที่ส่งตามลำดับ โดยใช้โค้ดอนุมานของผู้พัฒนาโมเดลแต่ละราย ในกรณีที่ Sarvam สามารถรันโมเดลบนฮาร์ดแวร์ B200 ของตนได้

ในการทดสอบของ Sarvam Prism ได้คะแนนเฉลี่ย 71.8 โดยมีคะแนนแยกตามองค์ประกอบดังนี้: 67.0 ใน Jev, 65.9 ในการจำลอง Artificial Analysis และ 82.5 ในการทดสอบภาษาของอินเดีย ส่วน mammoth-1 ซึ่งได้คะแนนสูงกว่า ทำได้ 75.2 แต่มีเวลาตอบสนองมัธยฐาน 284 มิลลิวินาที ระบบที่ให้บริการผ่าน API เท่านั้นสองระบบ ได้แก่ Jev 1.14 และ Microsoft-Decision-1 ปรากฏในการเปรียบเทียบพร้อมเวลาที่รายงานต่อสาธารณะ แทนที่จะเป็นผลวัดในเครื่องที่เทียบเคียงกันได้ ดังนั้นกราฟจึงไม่ได้ใช้วิธีวัดแบบเดียวกันกับโมเดลทุกรุ่น

การตั้งค่าเริ่มต้นทำงานด้วยความแม่นยำ 16 บิต โดยมีเวลาตอบสนองมัธยฐาน 664 มิลลิวินาทีบน GPU B200 สองตัว การแปลงน้ำหนักเป็น FP8 ช่วยให้ Prism ทำงานบน GPU เพียงตัวเดียวได้ Sarvam ยังรวมผู้เชี่ยวชาญทั้ง 128 รายไว้ในเคอร์เนลเดียว บันทึกการส่งผ่านไปข้างหน้าเป็น CUDA Graph รวมการแปลง FP8 เข้าไว้ในเคอร์เนลของผู้เชี่ยวชาญ และผสานอะแดปเตอร์ที่ใช้ปรับแต่งเข้ากับน้ำหนักโมเดล การเปลี่ยนแปลงเหล่านี้ร่วมกันทำให้ได้เวลาแฝงสำหรับรุ่นที่เปิดตัวซึ่งทำงานบน GPU ตัวเดียว โดย Sarvam ระบุว่าไม่มีความแม่นยำลดลง

การปรับเทียบและการประเมินเอเจนต์

การทดสอบการปรับเทียบประเมินว่าเวิร์กโฟลว์สามารถอาศัยเกณฑ์ความเชื่อมั่นในการทำให้การตัดสินใจเป็นอัตโนมัติได้หรือไม่ Sarvam รายงานว่า เมื่อใช้เกณฑ์ความเชื่อมั่นอย่างน้อย 90% ในภาษาอังกฤษ Prism คาดว่าจะผิดพลาด 3.3% แต่ผิดจริง 2.2% จากคำถาม 226,088 ข้อในเกณฑ์มาตรฐานสาธารณะ 37 รายการ สำหรับคำถาม 20,108 ข้อในภาษาอินเดีย 10 ภาษาและฮิงลิช โมเดลคาดว่าจะผิดพลาด 5.4% แต่ผิดจริง 4.4% ในทั้งสองกลุ่มภาษา อัตราความผิดพลาดจริงต่ำกว่าอัตราที่คาดการณ์ไว้ในทุกเกณฑ์ที่ทดสอบ ตั้งแต่ 50% ถึง 95%

ลำดับของตัวเลือกเป็นอีกปัญหาหนึ่งด้านความสม่ำเสมอ ในการทดสอบ 2,000 คำถามของ Sarvam Prism เปลี่ยนคำตอบ 4.0% เมื่อสลับตัวเลือกเป็นสี่ลำดับแล้วให้คะแนนตามลำดับที่ได้รับ การจัดตัวเลือกให้อยู่ในลำดับภายในที่กำหนดไว้ก่อนให้คะแนน จากนั้นคืนค่าความน่าจะเป็นภายใต้ป้ายกำกับเดิมของแต่ละตัวเลือก ช่วยขจัดการเปลี่ยนแปลงเหล่านั้น ขั้นตอนนี้ไม่เพิ่มการคำนวณและไม่ทำให้ความแม่นยำลดลงในการประเมิน

สำหรับการกำกับดูแลเอเจนต์ Sarvam ประเมินโมเดลห้ารุ่นด้วยบันทึกการทำงาน 700 รายการและคำถาม 1,770 ข้อชุดเดียวกัน Prism มีความแม่นยำโดยรวมตามที่รายงาน 78.5% ซึ่งรวมถึง 75.0% ในการตัดสินความสำเร็จของงาน 86.4% ในการพิจารณาว่าจำเป็นต้องให้มนุษย์ตรวจสอบหรือไม่ และ 69.6% ในการระบุเอเจนต์ที่รับผิดชอบต่อความล้มเหลว คำตอบได้รับการตรวจสอบเทียบกับคำอธิบายประกอบโดยผู้เชี่ยวชาญหรือผลลัพธ์จากสภาพแวดล้อมอัตโนมัติ ไม่เคยเทียบกับการตัดสินของโมเดล AI อื่น Prism อ่านร่องรอยการทำงานครั้งเดียวและให้คะแนนคำถามประเมินห้าข้อพร้อมกัน โดยใช้เวลาประมาณครึ่งวินาทีต่อการทำงานหนึ่งรายการบน GPU หนึ่งตัว

Sarvam รายงานว่า Prism มีความแม่นยำ 89.0% ในเกณฑ์มาตรฐานด้านความมั่นคงปลอดภัยทางไซเบอร์ที่ใช้ภายในบริษัท ซึ่งประกอบด้วยคำถาม 5,517 ข้อจากงานเก้าประเภท และมีแผนขยายชุดการประเมินนี้พร้อมเผยแพร่ต่อสาธารณะ ในผลการทดสอบเดียวกัน Clef ได้คะแนน 84.5%, Jev 1.14 ได้ 78.6% และ Microsoft-Decision-1 ได้ 76.1% งานทดสอบเหล่านี้สร้างขึ้นจากช่องโหว่ที่เผยแพร่ตั้งแต่เดือนกรกฎาคม 2026 และครอบคลุมการระบุแคมเปญฟิชชิงกับความพยายามเจลเบรก ตลอดจนการจำแนกประเภทการโจมตีภายในกรอบงาน MITRE

ข้อเสนอหลักของ Prism คือการเป็นชั้นการตัดสินใจที่องค์กรต่าง ๆ สามารถฝึกและใช้งานบนโครงสร้างพื้นฐานของตนเองได้ พร้อมค่าประมาณระดับความเชื่อมั่นที่ออกแบบมาเพื่อกำหนดเกณฑ์สำหรับระบบอัตโนมัติ น้ำหนักโมเดลแบบเปิดช่วยให้สามารถทดสอบข้อเสนอนี้กับเวิร์กโฟลว์ส่วนตัวได้ การเผยแพร่ผลประเมินความปลอดภัยตามแผนยังจะทำให้การทดสอบภายในรายการหนึ่งที่กล่าวถึงในประกาศนี้เข้าสู่การตรวจสอบจากสาธารณะด้วย