Sarvam Prism आया, पर 71.8 अंक कंपनी के अपने परीक्षण से हैं

बेंगलुरु की Sarvam AI ने 3 नवंबर 2026 को Sarvam Prism जारी करने की घोषणा की। Sarvam 105B पर बने इस निर्णय मॉडल को कंपनी ने अपने परीक्षण में तीन सूचकांकों पर औसतन 71.8 अंक और B200 पर 44 मिलीसेकंड की मध्य प्रतिक्रिया अवधि दी। ये प्रकाशित आँकड़े कंपनी के माप हैं, स्वतंत्र परीक्षण के नतीजे नहीं।

YourStory की लॉन्च रिपोर्ट के अनुसार मॉडल Sarvam के API और खुले मॉडल-वज़न, दोनों रूपों में उपलब्ध है। Prism दिए गए विकल्पों की संभावनाएँ लौटाता है। इसलिए इसका उपयोग ग्राहक अनुरोध को सही कतार में भेजने, AI एजेंट का काम जाँचने और सुरक्षा संकेत छाँटने जैसे फैसलों में हो सकता है, जहाँ संभावित उत्तर पहले से तय हों।

Sarvam Prism जवाब के बजाय फैसला कैसे देता है

Prism को किसी स्थिति का विवरण, उस पर प्रश्न और स्वीकार्य विकल्प दिए जाते हैं। जवाब में वह हर विकल्प की संभावना और सबसे संभावित विकल्प लौटाता है। सामान्य चैट मॉडल से शब्दों में उत्तर लिखवाकर फिर उसे तय श्रेणी में बदलने के बजाय आवेदन को सीधे संरचित निर्णय मिलता है। इससे छँटाई की एक परत हट सकती है, हालांकि सही श्रेणियाँ तय करने की जिम्मेदारी आवेदन बनाने वाले की रहती है।

एक ही ग्राहक संदेश के बारे में अलग प्रश्न पूछे जा सकते हैं: क्या मामला तत्काल है, किस विभाग को जाना चाहिए और गंभीरता कितनी है। ये अलग निर्णय हैं, इसलिए एक उत्तर की संभावना को सभी सवालों के लिए साझा भरोसा नहीं समझना चाहिए। अनुरोध अस्पष्ट हो तो उसे मानव समीक्षा तक पहुँचाना भी संभावित नतीजा है; मॉडल की पसंद अपने आप ग्राहक समस्या का समाधान नहीं करती।

मॉडल का फर्क उसके आउटपुट में है। यदि किसी सुरक्षा संदेश के लिए वह ‘संदिग्ध’ विकल्प को अधिक संभावना देता है, तो यह जाँच की प्राथमिकता तय करने में मदद कर सकता है। इससे किसी व्यक्ति पर कार्रवाई का अंतिम आधार नहीं बनता। इसी तरह एजेंट की दर्ज कार्यवाही पर ‘काम पूरा हुआ’ चुनना वास्तविक कार्यवाही के रिकॉर्ड को बदल नहीं देता।

किस निर्णय में उपयोगी, कहाँ समीक्षा जरूरी

Prism के संभावित उपयोग को निर्णय के असर के साथ देखना अधिक उपयोगी है। नीचे के उदाहरण मॉडल की बताई गई क्षमताओं से निकले उपयोग हैं, किसी ग्राहक संस्था में सफल तैनाती के दावे नहीं।

• ग्राहक अनुरोध की छँटाई: तय विभागों या प्राथमिकताओं में संदेश भेजना। कई श्रेणियों में बराबर फिट होने वाला मामला कर्मचारी के पास जा सकता है।
• AI एजेंट की जाँच: दर्ज कार्यवाही से पूछना कि काम पूरा हुआ या समीक्षा चाहिए। संवेदनशील काम में मूल रिकॉर्ड देखने की जरूरत बनी रहती है।
• सुरक्षा संकेत: संदिग्ध निर्देश को निर्धारित श्रेणी में रखकर जाँच की कतार बनाना। किसी खाते या व्यक्ति पर अंतिम कार्रवाई के लिए अतिरिक्त संदर्भ चाहिए।
• मॉडल या दस्तावेज़ मार्ग: अनुरोध को पहले से तय प्रसंस्करण रास्ते पर भेजना। लागू श्रेणी साफ न हो तो उसे समीक्षा के लिए रोकना उचित होगा।

इन कामों में गलती की कीमत अलग है। गलत विभाग में पहुँचा संदेश दोबारा भेजा जा सकता है; गलत सुरक्षा वर्गीकरण का असर अधिक गंभीर हो सकता है। इसलिए एक ही संभावना सीमा सभी कामों पर लागू करना सार्थक नहीं होगा। निर्णय को स्वचालित करने की सीमा उस काम की त्रुटि लागत और उपलब्ध मानव समीक्षा पर निर्भर करेगी।

प्रकाशित अंक और गति की सीमा

औसत अंक तीन अलग परीक्षण समूहों को जोड़ता है: सार्वजनिक Jev निर्णय सूचकांक, Artificial Analysis सूचकांक का Sarvam द्वारा बनाया गया संस्करण और भारतीय भाषाओं का आंतरिक परीक्षण। दूसरे समूह में मूल निजी ज्ञान परीक्षण की जगह कंपनी ने अपने कठिन प्रश्न रखे। इस बदलाव के बाद प्रकाशित औसत को Artificial Analysis के मूल परीक्षण का स्वतंत्र परिणाम कहना गलत होगा। भारतीय भाषाओं वाला हिस्सा भी कंपनी का आंतरिक माप है।

तुलना में मॉडलों को समान प्रश्न दिए गए, लेकिन गति के सभी आँकड़े एक ही तरीके से नहीं लिए गए। जिन मॉडलों को कंपनी चला सकती थी, उन्हें उसके हार्डवेयर पर उनके अपने अनुमान कोड के साथ मापा गया। केवल API पर उपलब्ध कुछ प्रतिद्वंद्वियों के लिए प्रकाशित प्रतिक्रिया अवधि इस्तेमाल हुई। Prism की अवधि क्रम से भेजे गए अनुरोधों की मध्य अवधि है; उसमें किसी दूसरे ग्राहक के नेटवर्क, सेवा पर भीड़ या उसके अपने आवेदन का समय शामिल नहीं है।

कंपनी ने विकल्पों का क्रम बदलकर उत्तर की स्थिरता और संभावना के साथ वास्तविक गलतियों का मेल भी जाँचा। Prism विकल्पों को भीतर तय क्रम में आँकता है, जिससे क्रम बदलने पर ऊपर आने वाला उत्तर स्थिर रह सकता है। यह परीक्षण मॉडल के व्यवहार की जानकारी देता है, पर किसी नए संगठन के ग्राहक संदेशों या सुरक्षा संकेतों पर वही त्रुटि दर अपने आप लागू नहीं होती। स्वतंत्र माप और वास्तविक उपयोग के आँकड़े आने पर गति तथा सटीकता की तुलना अधिक ठोस होगी।

API की कीमत और इनपुट सीमा

Sarvam के API विवरण में मॉडल पहचान sarvam-prism, अनुरोध मार्ग POST /v2/systemone, प्रति दस लाख इनपुट टोकन ₹4 और आउटपुट टोकन शुल्क ₹0 दर्ज है। हर प्रश्न के लिए स्थिति, प्रश्न और विकल्प मिलाकर 32,768 टोकन की सीमा है। मॉडल पाठ या संरचित डेटा लेता है, चित्र नहीं; उसका संरचित जवाब एक साथ लौटता है।

साझा स्थिति को एक अनुरोध में एक बार गिना जाता है, भले उसी पर कई प्रश्न हों। इस कारण एक एजेंट कार्यवाही पर कई निर्णय एक ही अनुरोध में पूछने से हर प्रश्न के साथ पूरा रिकॉर्ड दोबारा भेजने की लागत बच सकती है। फिर भी सीमा प्रत्येक प्रश्न पर उसके हिस्से की साझा स्थिति सहित लागू होती है। कोई प्रश्न सीमा पार करे तो पूरा अनुरोध विफल हो सकता है।

प्रकाशित दर पर सांकेतिक गणना: यदि एक हजार अनुरोधों में प्रत्येक का बिल योग्य इनपुट औसतन 500 टोकन हो, तो कुल पाँच लाख टोकन पर लागत ₹2 होगी। दस हजार अनुरोध, प्रत्येक में एक हजार टोकन, कुल एक करोड़ टोकन और ₹40 होंगे। एक लाख अनुरोध, प्रत्येक में दो हजार टोकन, कुल बीस करोड़ टोकन और ₹800 होंगे। ये केवल टोकन शुल्क के उदाहरण हैं; वास्तविक बिल साझा स्थिति, प्रश्नों की लंबाई और कर के अनुसार बदलेगा।

भारतीय भाषाओं में उपलब्धता के साथ समीक्षा का भार भी मायने रखता है। प्रकाशित API विवरण में ऊँची संभावना सीमा पार करने वाले उत्तरों का हिस्सा अंग्रेज़ी की तुलना में भारतीय भाषाओं के लिए कम है। समान स्वचालन नियम रखने पर अधिक भारतीय भाषा अनुरोध कर्मचारियों तक पहुँच सकते हैं। इस तरह Prism की कीमत और तेज़ प्रतिक्रिया अकेले पूरी लागत नहीं बताते: मानव समीक्षा की मात्रा भी सेवा के वास्तविक परिणाम को तय करेगी।

यह भी पढ़ें:

• Kimi K3 भारत के AWS क्षेत्रों में आया—अनुरोध देश से बाहर जा सकता है
• Sarvam या Gemini: हिंदी आवाज में नया मॉडल हमेशा बेहतर नहीं
• AI पाठ पर वॉटरमार्क मिला? 846 परीक्षण बताते हैं, इसे सबूत न मानें