Yapay zeka modelleri ve platformları
Sarvam AI, Kurumsal Ajanlar İçin Açık Ağırlıklı 105B Kontrol Noktasını Yayımladı

Öne çıkan noktalarSarvam'ın güncellemesi, yeni bir temel model sunmak yerine kazanımları kurumsal ajanlar…
Daha fazla göster
- Sarvam'ın güncellemesi, yeni bir temel model sunmak yerine kazanımları kurumsal ajanlar için eğitim sonrası aşamada yoğunlaştırıyor.
- 65 GB'lık NVFP4 kontrol noktası tek bir iş istasyonu GPU'suna sığıyor ve üçüncü taraf API'leri olmadan şirket içi ajan dağıtımını mümkün kılıyor.
- Sarvam'ın 0,15 dolarlık karma fiyatı rakiplerin altında kalıyor ancak tüm kıyaslama puanları kendi çalıştırmalarından geliyor.
Sarvam AI, müşteri desteği, sesli ajanlar ve yüksek hacimli diğer kurumsal işlerde kullanılmak üzere tasarlanan yeni açık ağırlıklı kontrol noktası Sarvam-105B-1711’i yayımladı. 22 Kasım 2026’da yapılan sürüm duyurusunda, ek eğitim için BF16 ağırlıkları ve tek bir iş istasyonu GPU’sunda çalışacak şekilde tasarlanmış kompakt 4 bitlik NVFP4 sürümü yer alıyor.
Model kartında, Sarvam-105B’de kullanılanla aynı olan ve 10,3 milyar etkin parametre içeren, 105 milyar parametreli uzman karışımı temel model tanımlanıyor. Yeni kontrol noktası, araç çağırma, yönergeleri izleme, ajan tabanlı görevler ve Hint dilleri için sonradan eğitim ekliyor. Dolayısıyla bu, yeni bir temel modelin tanıtılmasından ziyade mevcut modelin güncellenmesi; değişiklikler, temel modelin kurumsal işleri ele alış biçimine odaklanıyor.
Sonradan Eğitimdeki İyileşmeler ve Sağlayıcı Kıyaslamaları
Sarvam’ın bildirdiğine göre, IFBench’te yönergeleri izleme puanı şubat ayındaki kontrol noktasının 32,5 puanından 82,5’e; Tau2’de müşteri hizmetleri için araç kullanımı 46,2’den 85,5’e; Indic test paketinde Hint dillerindeki performans ise 30,1’den 79,1’e yükseldi. Dört bağımsız denemenin tümünde görevlerin doğru tamamlanmasını ölçen Tau2’nin pass^4 ölçütünde yeni model %69,5 puan aldı. Gemini 3.5 Flash-Lite %63,9, Gemma 4 31B ise %62,1 puan aldı.
Sarvam, NVFP4 sürümünün sekiz konuşma ajanı kıyaslama testindeki ortalama puanının 73,9 olduğunu; bu değerin şubatta 42,6 olduğunu bildiriyor. Gemini 3.5 Flash-Lite, milyon token başına harmanlanmış 0,85 ABD doları fiyatla 74,0 puan alırken Gemma 4 31B, 0,54 ABD doları fiyatla 73,0 puan aldı. Sarvam-105B-1711’in harmanlanmış fiyatı 0,15 ABD doları; önceki sürümünün fiyatı ise 0,44 ABD dolarıydı.
Tüm puanlar Sarvam’ın kendi testlerinden elde edildi; açık ağırlıklı modeller vLLM üzerinden sunulurken API modellerine OpenRouter üzerinden erişildi. Değerlendirmelerde varsayılan olarak düşünme modunda 1,0 sıcaklık, en fazla 65.536 çıktı tokenı ve dört örneğin ortalaması kullanılıyor; bütçeyi aşan, bağlam sınırını geçen ve hatalı biçimlendirilmiş yanıtlar sıfır puan alıyor. Indic test paketi, Sarvam’ın Hint dillerine yönelik kurum içi kıyaslama testidir ve puanlama ölçütleri konusunda hakem olarak Gemini 3.1 Pro kullanır. Bildirilen dil performansı artışı değerlendirilirken bu önemli bir noktadır.
Blackwell Üzerinde Eğitim ve Sunum
Sarvam, 8 bitlik MXFP8 eğitim yönteminin, 8K bağlam uzunluğunda 64 NVIDIA B200 GPU üzerinde GPU başına saniyelik ön eğitim hızını 5.500 token’dan 10.900 token’a çıkardığını söylüyor. Pekiştirmeli öğrenmede ise doğrulama için token öneren bir taslak model kullanan 8 bitlik hassasiyet ve DSpark spekülatif kod çözme, bir adımın süresini 758 saniyeden yaklaşık 420–440 saniyeye indirdi. Şirketin testinde ortalama ödül neredeyse aynı kaldı.
512 B200 GPU kullanılarak yedi günden biraz uzun sürede 330 milyar token üzerinde sürdürülen ön eğitim, modelin bağlam uzunluğunu 160K tokene çıkardı. Bu eğitim çalışması, sonradan eğitimle sağlanan iyileşmelerden farklı bir kısıtı ele alıyor: bir ajanın uzun belgeler üzerinde çalışırken veya kapsamlı görevleri yerine getirirken ne kadar içeriği aklında tutabildiğini.
Sarvam, 64 eşzamanlı istek altında, DSpark kullanan NVFP4 kontrol noktası için B200 başına saniyede 6.067 çözümleme tokenı ölçtü; bu, BF16 yapılandırmasına kıyasla yaklaşık 2,1 kat daha yüksek. Ortaya çıkan sunum verimliliği, harmanlanmış token fiyatının düşürülmesini sağlıyor ve altyapı çalışmalarını modelin yüksek hacimli kurumsal kullanım iddiasına doğrudan bağlıyor.
Açık Ağırlıklar Özel Dağıtımı Destekliyor
Sarvam, 65 GB’lık NVFP4 kontrol noktasının tek bir 96 GB NVIDIA RTX PRO 6000 Blackwell GPU’ya sığdığını ve 10K tokenlık istem içeren tek bir istekte kullanıcı başına saniyede 99 token çözümleme hızı sağladığını bildiriyor. Bu boyut, Indus Cowork ajanının belgeleri üçüncü taraf bir API’ye göndermeden şirket içi sistemlerde çalıştırılmasına olanak tanıyor.
NVFP4 kontrol noktası, Sarvam Token Factory üzerinden sunulan modelin aynısıdır; BF16 sürümü ise ince ayar ve ilave sonradan eğitim için tasarlanmıştır. Depoda Apache-2.0 lisans etiketi bulunuyor. Model kartında vLLM 0.33.0 ile barındırma, isteğe bağlı DSpark desteği, düşünme özelliğinin varsayılan olarak etkin olması ve düşünme açıkken 1,0, kapalıyken 0,6 sıcaklık değerlerinin önerilmesi belgeleniyor.
Kurumsal müşteriler için bu sürüm, hassas belge çalışmalarını kendi ağlarının içinde tutabilen özel dağıtım seçeneğini API erişimiyle bir araya getiriyor. Açıkta kalan soru, sağlayıcının bildirdiği ajan performansı artışlarının üretim iş akışlarında da tekrarlanıp tekrarlanmayacağı. Tek GPU’luk kurulum gereksinimi ve daha düşük token fiyatı, benimsenme açısından en önemli etkenler olabilir.












