Model Releases
Sarvam-2B : Le Modèle Open Source Léger pour l'IA Souveraine Indienne
Découvrez Sarvam-2B, le nouveau modèle linguistique open source de 2 milliards de paramètres optimisé pour les langues indiennes et l'inférence locale.
15 janvier 2026
Model ReleaseSarvam-2B
Introduction : L'Émergence d'une IA Souveraine Indienne
Sarvam AI a officiellement annoncé le lancement de Sarvam-2B le 15 janvier 2026, marquant une étape cruciale dans l'initiative d'IA souveraine de l'Inde. Ce modèle linguistique, développé en Inde et entraîné sur des données locales, vise à combler le fossé technologique entre les géants américains et les besoins spécifiques des marchés émergents. Contrairement aux modèles mondiaux dominants, Sarvam-2B est conçu pour comprendre et générer du contenu dans des contextes culturels et linguistiques indiens complexes.
Dans un paysage où la dépendance aux modèles étrangers pose des risques de sécurité et de souveraineté, cette annonce renforce la position de Sarvam AI, basée à Bangalore. Le modèle s'inscrit dans la continuité de la stratégie de l'IndiaAI Mission, lancée avec un budget de 10 372 Crores de roupies. En libérant Sarvam-2B en tant qu'open source, l'entreprise encourage l'adoption de l'IA par les développeurs locaux et internationaux, tout en posant les fondations pour des applications critiques en santé, droit et éducation en Inde.
- Date de sortie : 15 janvier 2026
- Provenance : Développement et entraînement en Inde
- Licence : Open Source (Open Weights)
Caractéristiques Clés et Architecture
L'architecture de Sarvam-2B repose sur une conception dense optimisée pour l'efficacité énergétique et la vitesse d'inférence. Bien que son contenance de paramètres soit modeste par rapport aux modèles 30B ou 105B de la même famille, il intègre des mécanismes avancés de tokenisation pour gérer les scripts complexes des langues indo-aryennes et dravidiennes. L'objectif principal est de permettre l'exécution sur du matériel périphérique (edge computing) sans sacrifier la qualité linguistique.
La capacité multilingue native est la force distinctive de ce modèle. Il prend en charge plus de 10 langues indiennes natively, incluant le hindi, le bengali, le tamoul, le marathi et le telugu. Cette granularité linguistique est essentielle pour des applications de traduction automatique et de génération de texte qui nécessitent une compréhension fine des nuances culturelles et grammaticales spécifiques à chaque région, surpassant souvent les modèles globaux standardisés.
- Paramètres : 2 Milliards
- Langues supportées : 10+ langues indiennes natives
- Fenêtre de contexte : 16k tokens
- Capacité multimodale : Texte natif
Performance et Benchmarks
Les tests de performance de Sarvam-2B montrent une optimisation remarquable pour les tâches de raisonnement local. Sur le benchmark MMLU (Massive Multitask Language Understanding), le modèle atteint un score de 68.5%, ce qui est compétitif pour sa taille de paramètres. En comparaison avec des modèles de 7 milliards de paramètres, Sarvam-2B excelle dans les tâches de compréhension contextuelle spécifiques aux langues indiennes, affichant une précision de 85% sur les tests linguistiques régionaux.