Gnani Artha आया—भारतीय भाषाओं के कम टोकन खर्च का दावा अभी आंतरिक परीक्षण है

Gnani AI ने 28 अगस्त 2026 को नई दिल्ली के उपराष्ट्रपति भवन में Artha नाम का स्वदेशी AI ढांचा पेश किया। सरकार की आधिकारिक लॉन्च सूचना के मुताबिक उपराष्ट्रपति सी. पी. राधाकृष्णन ने इसका अनावरण किया और इसमें भाषा मॉडल Evon 3.3 तथा एजेंट मंच Plexus शामिल हैं।

लॉन्च के साथ मॉडल का घोषित आकार, निजी तैनाती और अनुरोध पर खुले वज़न देने की योजना सामने आ गई है। हालांकि भारतीय भाषाओं में कम टोकन लगने का दावा स्वतंत्र नतीजा नहीं है: The Economic Times की रिपोर्ट लगभग 40–45 मानकों पर प्रदर्शन परीक्षण को Gnani का आंतरिक परीक्षण बताती है और कंपनी के अनुसार टोकनाइज़र भारतीय भाषा के प्रति शब्द GPT-5 परिवार से करीब 20 प्रतिशत कम तथा कुछ बाइट-आधारित टोकनाइज़र के मुकाबले आधे से भी कम टोकन लेता है। उपलब्ध सार्वजनिक सामग्री में इसका स्वतंत्र पुनरुत्पादन नहीं दिया गया है।

Artha एक मॉडल नहीं, दो अलग उत्पादों वाला ढांचा है

Artha में Evon 3.3 मूल भाषा और तर्क मॉडल की भूमिका निभाता है, जबकि Plexus अलग-अलग AI एजेंटों को दस्तावेजों, संस्थागत प्रणालियों और कार्यप्रवाह से जोड़ने की परत है। Plexus में मानवीय स्वीकृति वाले कार्यप्रवाह, उपकरणों से संपर्क और गतिविधियों की निगरानी जैसी क्षमताओं का दावा किया गया है।

Gnani के Artha उत्पाद पृष्ठ पर Evon 3.3 को 11 भारतीय भाषाओं में प्रशिक्षित, 30 अरब कुल और प्रति टोकन लगभग 3.5 अरब सक्रिय पैरामीटर वाला मॉडल बताया गया है; वहीं वज़न Apache 2.0 के तहत Hugging Face पर अनुरोध से उपलब्ध और तैनाती एक निजी सर्वर नोड पर संभव बताई गई है। उसी पृष्ठ पर Plexus के लिए केवल शुरुआती पहुंच की प्रतीक्षा-सूची है।

इसलिए Evon 3.3 और Plexus की उपलब्धता को एक नहीं माना जा सकता। मॉडल वज़न मिलने से विकासकर्ता उसे अपने बुनियादी ढांचे में चला सकते हैं, लेकिन Plexus के मूल्य निर्धारण, सेवा-स्तर, मानक अनुबंध और सामान्य उपलब्धता की स्पष्ट सार्वजनिक जानकारी अभी नहीं है।

कुल और सक्रिय पैरामीटर अलग बातें हैं

Evon 3.3 की मिश्रित-विशेषज्ञ संरचना हर टोकन के लिए मॉडल के केवल एक हिस्से को सक्रिय करती है। इससे अनुमान के समय गणना का बोझ पूरे मॉडल को एक साथ चलाने की तुलना में घट सकता है, लेकिन कुल वज़न, भंडारण और मॉडल को स्मृति में रखने की जरूरत सक्रिय हिस्से के बराबर नहीं हो जाती।

एक नोड पर तैनाती भी कंपनी का घोषित परिनियोजन लक्ष्य है, हर हार्डवेयर विन्यास के लिए स्वतः सिद्ध परिणाम नहीं। वास्तविक गति, स्मृति की जरूरत और एक साथ संभाले जा सकने वाले अनुरोध वज़नों की संख्यात्मक शुद्धता, संदर्भ की लंबाई, बैच के आकार, सर्वर और अनुमान सॉफ्टवेयर पर निर्भर होंगे। सार्वजनिक पृष्ठ इन अलग-अलग विन्यासों के माप प्रकाशित नहीं करता।

निजी डेटा सेंटर या वर्चुअल प्राइवेट क्लाउड में मॉडल चलाना उन संस्थानों के लिए उपयोगी हो सकता है जिन्हें डेटा का स्थान नियंत्रित करना है। फिर भी निजी तैनाती अपने आप सुरक्षा या नियामकीय अनुपालन प्रमाणित नहीं करती; अभिगम नियंत्रण, लॉग, डेटा प्रतिधारण और मानवीय निगरानी तैनाती करने वाले संस्थान के अपने ढांचे पर भी निर्भर रहेंगे।

कम टोकन का दावा गुणवत्ता या कुल लागत का माप नहीं

टोकनाइज़र पाठ को उन इकाइयों में तोड़ता है जिन्हें मॉडल संसाधित करता है। यदि वही हिंदी, तमिल या अन्य भारतीय-भाषा पाठ कम इकाइयों में बदलता है, तो निश्चित संदर्भ सीमा में अधिक मूल पाठ समा सकता है और संसाधित होने वाली टोकन शृंखला छोटी हो सकती है। शीर्षक में “कम टोकन खर्च” इसी सीमित अर्थ में कंपनी के दावे को दर्शाता है।

इससे कुल संचालन खर्च में समान अनुपात की बचत साबित नहीं होती। सर्वर की कीमत, सक्रिय गणना, स्मृति, उत्तर की लंबाई, उपयोग का स्तर और सॉफ्टवेयर व्यवस्था भी लागत तथा विलंब को बदलते हैं। टोकन संख्या घटने पर भी कमजोर उत्तर को दोबारा बनाना पड़े तो व्यावहारिक बचत कम हो सकती है।

दावे को दोहराने के लिए प्रत्येक भाषा का परीक्षण पाठ, सामान्यीकरण के नियम, तुलना किए गए टोकनाइज़र के सटीक संस्करण और परीक्षण लिपियां चाहिए। ये सामग्री खुले रूप में उपलब्ध न होने के कारण अलग दल अभी समान इनपुट पर दावे की जांच नहीं कर सकता।

भाषा और बेंचमार्क के दावों में संदर्भ अधूरा है

Gnani मॉडल को केवल अंग्रेजी मॉडल के बाद किए गए भाषा-अनुकूलन के बजाय भारतीय भाषाओं के मूल डेटा पर प्रशिक्षित बताती है। कंपनी MILU पर छोटे और बड़े भारतीय-भाषा मॉडलों से बेहतर परिणाम का दावा भी करती है, लेकिन सार्वजनिक उत्पाद पृष्ठ तुलना वाले दोनों मॉडलों की सटीक पहचान और पूरी भाषा-वार अंकतालिका नहीं देता।

MILU नियंत्रित प्रश्नों पर भाषा-समझ और ज्ञान की तुलना कर सकता है। वह अपने आप किसी बैंक के दस्तावेज, क्षेत्रीय वर्तनी, मिश्रित भाषा, खराब स्कैन या संवेदनशील निर्णय वाले कार्यप्रवाह में मॉडल की विश्वसनीयता सिद्ध नहीं करता। इसके लिए मॉडल की समान फ़ाइलों, समान संकेतों और प्रकाशित मूल्यांकन प्रक्रिया के साथ अलग परीक्षण जरूरी होगा।

कंपनी का व्यापक प्रदर्शन परीक्षण भी फिलहाल आंतरिक है। इसलिए खुले वज़न और घोषित भाषा समर्थन सत्यापन की संभावना बनाते हैं, लेकिन वे प्रकाशित दावों को स्वतंत्र प्रमाण में नहीं बदलते।

वज़न अनुरोध पर हैं, Plexus की व्यावसायिक तस्वीर बाकी है

Evon 3.3 को “ओपन-वेट” कहना यह बताता है कि कंपनी मॉडल वज़न Apache 2.0 के तहत देने की पेशकश कर रही है। मौजूदा उपलब्धता फिर भी अनुरोध-आधारित है, इसलिए इसे बिना प्रक्रिया वाला तत्काल और अनाम डाउनलोड नहीं समझना चाहिए। वास्तविक उपयोग से पहले उपलब्ध फ़ाइलों, मॉडल कार्ड और लागू शर्तों की जांच ही स्पष्ट करेगी कि अनुरोध स्वीकार होने पर पूरा पैकेज क्या देता है।

Plexus की स्थिति और सीमित है। कंपनी ने एजेंटों को जोड़ने, मानवीय हस्तक्षेप तय करने और कार्यों की निगरानी करने की क्षमताएं दिखाई हैं, लेकिन सामान्य उपलब्धता की तारीख, सार्वजनिक मूल्य, समर्थित संयोजक और प्रमाणित ग्राहक तैनाती का विस्तृत विवरण जारी नहीं किया है। Artha का व्यावसायिक मूल्य केवल Evon 3.3 के घोषित बेंचमार्क से तय नहीं किया जा सकता।

फिलहाल पुष्टि इतनी है कि Artha लॉन्च हो चुका है और Evon 3.3 के वज़न अनुरोध पर देने तथा निजी तैनाती का विकल्प घोषित है। कम टोकन, भाषा-वार प्रदर्शन और कुल लागत की बचत को स्थापित नतीजा मानने के लिए स्वतंत्र परीक्षण, पुनरुत्पाद्य विधि और वास्तविक हार्डवेयर के माप अभी बाकी हैं।