Sarvam AISprachmodell
Sarvam 105B
Für Sarvam 105B gibt es noch keinen Wert im Gesamtindex, weil zu wenige unabhängige Benchmark-Ergebnisse vorliegen.
Leistungnoch ohne Platz
k. A.Gesamtindexhöher ist besser
TempoPlatz 36 von 101
107Token pro Sekundehöher ist besser
Preiskein API-Preis
k. A.je 1 Mio. Tokenniedriger ist besser
KontextPlatz 94 von 103
131 Tsd.Token auf einmal≈ 200 A4-Seiten
BeliebtheitPlatz 526 von 785
31von 100-1 zum Vormonat
beruht auf Suche, Nutzung und Aufmerksamkeit
Zusammenfassung
Mit 107 Token pro Sekunde schreibt es schneller als ein typisches Modell (87).
Sarvam 105B ist das große offene Mixture-of-Experts-Modell von Sarvam AI für indische Sprachen, agentisches Arbeiten und anspruchsvolles Schlussfolgern. Die Modellkarte nennt 105 Milliarden Gesamtparameter und 10,3 Milliarden aktive Parameter. MLA und YaRN tragen zum dokumentierten 128.000-Token-Kontext bei. Sarvam hebt Code, Mathematik, Werkzeugnutzung und den Einsatz in 22 indischen Sprachen hervor. Die Gewichte stehen unter Apache 2.0.
Sarvam 30B ist der kleinere, stärker auf praktische Bereitstellung zugeschnittene Familienpartner. Für Sarvam 105B dokumentiert die Karte lokale Inferenz, verlangt bei vLLM aber weiterhin eine Installation aus dem Quellcode oder einen Hot-Patch. Sarvams Veröffentlichungsbeitrag nennt zusätzlich API-Zugang und produktive Nutzung, obwohl nur 10,3 Milliarden der 105 Milliarden Parameter aktiv sind.
Alle Benchmark-Werte
Jeder veröffentlichte Messwert mit Quelle, Testbedingungen und Vergleichsmodellen.
Alle 60 veröffentlichten Benchmark-Werte anzeigen
Seite 1 von 5
Messungen ohne passende Vergleichswerte
Für diese Messungen fehlen passende Vergleichswerte unter gleichen Testbedingungen. Die Originalwerte und Quellen bleiben hier nachlesbar.
CritPt v2: Overall (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 0
- Bewertung
- 0
- Messgröße
- pass@1 accuracy
- Einheit
- %
- Benchmark-Version
- v2
- Kategorie
- reasoning
- Aufgabe
- overall
- Aufgabenbezeichnung
- Overall
- Richtung
- Mehr ist besser
- Quellentyp
- independent-evaluator
- Auswertung
- Artificial Analysis
- Status
- disputed
- Abrufdatum
- 2026-11-02
- Methodik
- Exakte AA-Konfiguration: Sarvam 105B (High) (Release sarvam-105b, Zeile sarvam-105b, UUID 45790612-02e3-4c42-b5bd-cd7ed2ea1f2f, reasoning=true, effort=high, suffix=High). AA-Quellenwert für durchschnittliche Reasoning-Tokens vor der Antwort: 2.000. Die Methodik mittelt 60 unterschiedliche Prompts und setzt 2.000 an, wenn kein Durchschnitt verfügbar ist. Das ist kein Tokenlimit. Der vollständige CritPt-v2-Lauf umfasst 70 Fragen mit fünf Wiederholungen. Der offizielle Grading-Server bewertet pass@1.. Kennung des Quellmodells: artificial-analysis/45790612-02e3-4c42-b5bd-cd7ed2ea1f2f/sarvam-105b/sarvam-105b. Name des Quellmodells: Sarvam 105B. Anbieter laut Quelle: Sarvam. Modellstand: Sarvam 105B (High). Evaluator: Artificial Analysis. Datensatztyp: artificial-analysis-evaluation. Werkzeugrichtlinie: Python functions, symbolic expressions, and numerical answers; official grading server. Versuche: 70 questions, five repeats per question, pass@1. Reasoning: reasoning enabled. Reasoning-Stufe: high. Angezeigter Wert: 0,0 %. Quellenkennung: artificial-analysis. Kennung der Evidenzaufnahme: aa-model-page-2026-11-02-67d46be20a5b. Prüfsumme der Quelldaten: 67d46be20a5b412db6cfb60ad190441fcaa5513500b8fd47d033168d0e97b6b2. Parserversion: artificial-analysis-rsc-models-v3. Importiert am: 2026-11-02. Quellenkohorte: artificial-analysis-critpt-v2:v2:standalone:reasoning:effort=high:suffix=High
- Vergleichsmethodik
- Exakte AA-Konfiguration: Sarvam 105B (High) (Release sarvam-105b, Zeile sarvam-105b, UUID 45790612-02e3-4c42-b5bd-cd7ed2ea1f2f, reasoning=true, effort=high, suffix=High). AA-Quellenwert für durchschnittliche Reasoning-Tokens vor der Antwort: 2.000. Die Methodik mittelt 60 unterschiedliche Prompts und setzt 2.000 an, wenn kein Durchschnitt verfügbar ist. Das ist kein Tokenlimit. Der vollständige CritPt-v2-Lauf umfasst 70 Fragen mit fünf Wiederholungen. Der offizielle Grading-Server bewertet pass@1.. Werkzeugrichtlinie: Python functions, symbolic expressions, and numerical answers; official grading server. Versuche: 70 questions, five repeats per question, pass@1. Reasoning: reasoning enabled. Reasoning-Stufe: high
- Einordnung
- Die AA-Quelle enthält hier den ursprünglichen CritPt-Wert. Die frühere Zuordnung zu CritPt v2 ist falsch; Wert und frühere Beschriftung bleiben als strittiger Altbeleg erhalten.. Der Quelldatensatz markiert diesen Wert als umstritten. Er bleibt als dokumentierte Evidenz sichtbar, ist aber kein belastbarer Vergleichsnachweis.
IFBench: Overall (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 34.3537414965986
- Bewertung
- 34.3537414965986
- Messgröße
- IFBench prompt-level loose accuracy (pass@1)
- Einheit
- %
- Benchmark-Version
- AA test set: 294 questions
- Kategorie
- general
- Aufgabe
- overall
- Aufgabenbezeichnung
- Overall
- Richtung
- Mehr ist besser
- Quellentyp
- independent-evaluator
- Auswertung
- Artificial Analysis
- Status
- superseded
- Abrufdatum
- 2026-11-02
- Methodik
- Exakte AA-Konfiguration: Sarvam 105B (High) (Release sarvam-105b, Zeile sarvam-105b, UUID 45790612-02e3-4c42-b5bd-cd7ed2ea1f2f, reasoning=true, effort=high, suffix=High). AA-Quellenwert für durchschnittliche Reasoning-Tokens vor der Antwort: 2.000. Die Methodik mittelt 60 unterschiedliche Prompts und setzt 2.000 an, wenn kein Durchschnitt verfügbar ist. Das ist kein Tokenlimit. Artificial Analysis führt 294 Fragen aus dem IFBench-Testdatensatz mit fünf Wiederholungen je Frage aus. Der offizielle Evaluator bewertet die Genauigkeit je Prompt im Modus loose als pass@1.. Kennung des Quellmodells: artificial-analysis/45790612-02e3-4c42-b5bd-cd7ed2ea1f2f/sarvam-105b/sarvam-105b. Name des Quellmodells: Sarvam 105B. Anbieter laut Quelle: Sarvam. Modellstand: Sarvam 105B (High). Evaluator: Artificial Analysis. Datensatztyp: artificial-analysis-evaluation. Werkzeugrichtlinie: Single-turn answer evaluated with the official IFBench source code. Versuche: pass@1, 5 repeats per question. Reasoning: reasoning enabled. Reasoning-Stufe: high. Angezeigter Wert: 34,4 %. Quellenkennung: artificial-analysis. Kennung der Evidenzaufnahme: aa-model-page-2026-11-02-67d46be20a5b. Prüfsumme der Quelldaten: 67d46be20a5b412db6cfb60ad190441fcaa5513500b8fd47d033168d0e97b6b2. Parserversion: artificial-analysis-rsc-models-v3. Importiert am: 2026-11-02. Quellenkohorte: artificial-analysis-ifbench:AA test set: 294 questions:standalone:reasoning:effort=high:suffix=High
- Vergleichsmethodik
- Exakte AA-Konfiguration: Sarvam 105B (High) (Release sarvam-105b, Zeile sarvam-105b, UUID 45790612-02e3-4c42-b5bd-cd7ed2ea1f2f, reasoning=true, effort=high, suffix=High). AA-Quellenwert für durchschnittliche Reasoning-Tokens vor der Antwort: 2.000. Die Methodik mittelt 60 unterschiedliche Prompts und setzt 2.000 an, wenn kein Durchschnitt verfügbar ist. Das ist kein Tokenlimit. Artificial Analysis führt 294 Fragen aus dem IFBench-Testdatensatz mit fünf Wiederholungen je Frage aus. Der offizielle Evaluator bewertet die Genauigkeit je Prompt im Modus loose als pass@1.. Werkzeugrichtlinie: Single-turn answer evaluated with the official IFBench source code. Versuche: pass@1, 5 repeats per question. Reasoning: reasoning enabled. Reasoning-Stufe: high
- Einordnung
- Die Angabe von 58 bezieht sich auf die verifizierbaren Out-of-Domain-Bedingungstypen, nicht auf die Zahl der Fragen im AA-Testlauf.. Dieser Wert wird als historische Evidenz geführt und ist nicht mit aktuellen Ergebnissen gleichzusetzen.
IFBench: Overall (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 34.3537414965986
- Bewertung
- 34.3537414965986
- Messgröße
- IFBench prompt-level loose accuracy (pass@1)
- Einheit
- %
- Benchmark-Version
- AA test set: 294 questions
- Kategorie
- general
- Aufgabe
- overall
- Aufgabenbezeichnung
- Overall
- Richtung
- Mehr ist besser
- Quellentyp
- independent-evaluator
- Auswertung
- Artificial Analysis
- Status
- active
- Abrufdatum
- 2026-11-07
- Methodik
- Exakte AA-Konfiguration: Sarvam 105B (High) (Release sarvam-105b, Zeile sarvam-105b, UUID 45790612-02e3-4c42-b5bd-cd7ed2ea1f2f, reasoning=true, effort=high, suffix=High). Diese Quellenfassung enthält keine durchschnittliche Reasoning-Tokenzahl. Artificial Analysis führt 294 Fragen aus dem IFBench-Testdatensatz mit fünf Wiederholungen je Frage aus. Der offizielle Evaluator bewertet die Genauigkeit je Prompt im Modus loose als pass@1.. Kennung des Quellmodells: artificial-analysis/45790612-02e3-4c42-b5bd-cd7ed2ea1f2f/sarvam-105b/sarvam-105b. Name des Quellmodells: Sarvam 105B. Anbieter laut Quelle: Sarvam. Modellstand: Sarvam 105B (High). Evaluator: Artificial Analysis. Datensatztyp: artificial-analysis-evaluation. Werkzeugrichtlinie: Single-turn answer evaluated with the official IFBench source code. Versuche: pass@1, 5 repeats per question. Reasoning: reasoning enabled. Reasoning-Stufe: high. Angezeigter Wert: 34,4 %. Quellenkennung: artificial-analysis. Kennung der Evidenzaufnahme: aa-model-page-2026-11-07-b96e3ffc8c5b. Prüfsumme der Quelldaten: b96e3ffc8c5b052aa56f96d05e89d02b8cc234a75085820fca0ca2a39e498274. Parserversion: artificial-analysis-rsc-models-v4. Importiert am: 2026-11-07. Quellenkohorte: artificial-analysis-ifbench:AA test set: 294 questions:standalone:reasoning:effort=high:suffix=High
- Vergleichsmethodik
- Exakte AA-Konfiguration: Sarvam 105B (High) (Release sarvam-105b, Zeile sarvam-105b, UUID 45790612-02e3-4c42-b5bd-cd7ed2ea1f2f, reasoning=true, effort=high, suffix=High). Diese Quellenfassung enthält keine durchschnittliche Reasoning-Tokenzahl. Artificial Analysis führt 294 Fragen aus dem IFBench-Testdatensatz mit fünf Wiederholungen je Frage aus. Der offizielle Evaluator bewertet die Genauigkeit je Prompt im Modus loose als pass@1.. Werkzeugrichtlinie: Single-turn answer evaluated with the official IFBench source code. Versuche: pass@1, 5 repeats per question. Reasoning: reasoning enabled. Reasoning-Stufe: high
- Einordnung
- Die Angabe von 58 bezieht sich auf die verifizierbaren Out-of-Domain-Bedingungstypen, nicht auf die Zahl der Fragen im AA-Testlauf.
XL-SafetyBench (India-local model) (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 34.7
- Bewertung
- 34.7
- Messgröße
- Attack Success Rate (ASR)
- Einheit
- %
- Benchmark-Version
- XL-SafetyBench; paper arXiv:2605.05662v2
- Kategorie
- safety
- Richtung
- Weniger ist besser
- Stichprobe
- 449
- Quellentyp
- community-reported
- Auswertung
- XL-SafetyBench, arXiv:2605.05662v2
- Status
- active
- Abrufdatum
- 2026-10-18
- Methodik
- Community-Messung. Tabelle 5, Indien-Ergebnis des lokalen Modells; das Paper beschreibt 450 länderspezifische Jailbreak-Prompts je Land. Sarvam API, max_tokens 8192, Temperatur 0,0, bis zu 3 Wiederholungen bei leeren/temporär fehlerhaften Antworten; OpenAI-Python-SDK mit Timeout 3600 s. Eine leere Sarvam-105B-Jailbreak-Antwort nach den Wiederholungen wurden als Fehler markiert und ausgeschlossen. Weitere Sarvam-API-Parameter werden in der Quelle nicht genannt; eine unveränderliche Checkpoint-/API-Modell-ID fehlt.
- Einordnung
- Das Paper nennt die Sarvam-Modellbezeichnungen und die Sarvam-API-Route, veröffentlicht aber keine unveränderliche API-Modell-/Checkpoint-ID, keine versionierte Benchmark-Dataset-Kennung und keine Konfidenzintervalle. Die Autor:innenliste mit mehreren Institutionen belegt für sich genommen keine Unabhängigkeit der Evaluation.
XL-SafetyBench (India-local model) (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 1.6
- Bewertung
- 1.6
- Messgröße
- Neutral-Safe Rate (NSR)
- Einheit
- %
- Benchmark-Version
- XL-SafetyBench; paper arXiv:2605.05662v2
- Kategorie
- safety
- Richtung
- Weniger ist besser
- Stichprobe
- 449
- Quellentyp
- community-reported
- Auswertung
- XL-SafetyBench, arXiv:2605.05662v2
- Status
- active
- Abrufdatum
- 2026-10-18
- Methodik
- Community-Messung. Tabelle 5, Indien-Ergebnis des lokalen Modells; das Paper beschreibt 450 länderspezifische Jailbreak-Prompts je Land. Sarvam API, max_tokens 8192, Temperatur 0,0, bis zu 3 Wiederholungen bei leeren/temporär fehlerhaften Antworten; OpenAI-Python-SDK mit Timeout 3600 s. Eine leere Sarvam-105B-Jailbreak-Antwort nach den Wiederholungen wurden als Fehler markiert und ausgeschlossen. Weitere Sarvam-API-Parameter werden in der Quelle nicht genannt; eine unveränderliche Checkpoint-/API-Modell-ID fehlt.
- Einordnung
- Das Paper nennt die Sarvam-Modellbezeichnungen und die Sarvam-API-Route, veröffentlicht aber keine unveränderliche API-Modell-/Checkpoint-ID, keine versionierte Benchmark-Dataset-Kennung und keine Konfidenzintervalle. Die Autor:innenliste mit mehreren Institutionen belegt für sich genommen keine Unabhängigkeit der Evaluation.
XL-SafetyBench (India-local model) (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 7
- Bewertung
- 7
- Messgröße
- Cultural Sensitivity Rate (CSR)
- Einheit
- %
- Benchmark-Version
- XL-SafetyBench; paper arXiv:2605.05662v2
- Kategorie
- safety
- Richtung
- Mehr ist besser
- Stichprobe
- 100
- Quellentyp
- community-reported
- Auswertung
- XL-SafetyBench, arXiv:2605.05662v2
- Status
- active
- Abrufdatum
- 2026-10-18
- Methodik
- Community-Messung. Tabelle 15, Indien-Ergebnis des lokalen Modells auf 100 indischen Kulturszenarien. Sarvam API, max_tokens 8192, Temperatur 0,0, bis zu 3 Wiederholungen bei leeren/temporär fehlerhaften Antworten; OpenAI-Python-SDK mit Timeout 3600 s. CSR bezieht sich nur auf kontextuell relevante Antworten; die gemeldete Engagement-Rate von 100,0 % ergibt 100 relevante Antworten aus 100. Weitere Sarvam-API-Parameter werden in der Quelle nicht genannt; eine unveränderliche Checkpoint-/API-Modell-ID fehlt.
- Einordnung
- Das Paper nennt die Sarvam-Modellbezeichnungen und die Sarvam-API-Route, veröffentlicht aber keine unveränderliche API-Modell-/Checkpoint-ID, keine versionierte Benchmark-Dataset-Kennung und keine Konfidenzintervalle. Die Autor:innenliste mit mehreren Institutionen belegt für sich genommen keine Unabhängigkeit der Evaluation.
XL-SafetyBench (India-local model) (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 100
- Bewertung
- 100
- Messgröße
- Engagement rate
- Einheit
- %
- Benchmark-Version
- XL-SafetyBench; paper arXiv:2605.05662v2
- Kategorie
- safety
- Richtung
- Mehr ist besser
- Stichprobe
- 100
- Quellentyp
- community-reported
- Auswertung
- XL-SafetyBench, arXiv:2605.05662v2
- Status
- active
- Abrufdatum
- 2026-10-18
- Methodik
- Community-Messung. Tabelle 15, Indien-Ergebnis des lokalen Modells auf 100 indischen Kulturszenarien. Sarvam API, max_tokens 8192, Temperatur 0,0, bis zu 3 Wiederholungen bei leeren/temporär fehlerhaften Antworten; OpenAI-Python-SDK mit Timeout 3600 s. Weitere Sarvam-API-Parameter werden in der Quelle nicht genannt; eine unveränderliche Checkpoint-/API-Modell-ID fehlt.
- Einordnung
- Das Paper nennt die Sarvam-Modellbezeichnungen und die Sarvam-API-Route, veröffentlicht aber keine unveränderliche API-Modell-/Checkpoint-ID, keine versionierte Benchmark-Dataset-Kennung und keine Konfidenzintervalle. Die Autor:innenliste mit mehreren Institutionen belegt für sich genommen keine Unabhängigkeit der Evaluation.
XL-SafetyBench (India-local model) (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 7
- Bewertung
- 7
- Messgröße
- Unconditional Cultural Sensitivity Rate (uCSR)
- Einheit
- %
- Benchmark-Version
- XL-SafetyBench; paper arXiv:2605.05662v2
- Kategorie
- safety
- Richtung
- Mehr ist besser
- Stichprobe
- 100
- Quellentyp
- community-reported
- Auswertung
- XL-SafetyBench, arXiv:2605.05662v2
- Status
- active
- Abrufdatum
- 2026-10-18
- Methodik
- Community-Messung. Tabelle 15, Indien-Ergebnis des lokalen Modells auf 100 indischen Kulturszenarien. Sarvam API, max_tokens 8192, Temperatur 0,0, bis zu 3 Wiederholungen bei leeren/temporär fehlerhaften Antworten; OpenAI-Python-SDK mit Timeout 3600 s. Weitere Sarvam-API-Parameter werden in der Quelle nicht genannt; eine unveränderliche Checkpoint-/API-Modell-ID fehlt.
- Einordnung
- Das Paper nennt die Sarvam-Modellbezeichnungen und die Sarvam-API-Route, veröffentlicht aber keine unveränderliche API-Modell-/Checkpoint-ID, keine versionierte Benchmark-Dataset-Kennung und keine Konfidenzintervalle. Die Autor:innenliste mit mehreren Institutionen belegt für sich genommen keine Unabhängigkeit der Evaluation.
XL-SafetyBench (India-local model) (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 63.7
- Bewertung
- 63.7
- Messgröße
- Ideal Safe Rate
- Einheit
- %
- Benchmark-Version
- XL-SafetyBench; paper arXiv:2605.05662v2
- Kategorie
- safety
- Richtung
- Mehr ist besser
- Stichprobe
- 449
- Quellentyp
- community-reported
- Auswertung
- XL-SafetyBench, arXiv:2605.05662v2
- Status
- active
- Abrufdatum
- 2026-10-18
- Methodik
- Community-Messung. Tabelle 5, Indien-Ergebnis des lokalen Modells; das Paper beschreibt 450 länderspezifische Jailbreak-Prompts je Land. Sarvam API, max_tokens 8192, Temperatur 0,0, bis zu 3 Wiederholungen bei leeren/temporär fehlerhaften Antworten; OpenAI-Python-SDK mit Timeout 3600 s. Eine leere Sarvam-105B-Jailbreak-Antwort nach den Wiederholungen wurden als Fehler markiert und ausgeschlossen. Weitere Sarvam-API-Parameter werden in der Quelle nicht genannt; eine unveränderliche Checkpoint-/API-Modell-ID fehlt.
- Einordnung
- Das Paper nennt die Sarvam-Modellbezeichnungen und die Sarvam-API-Route, veröffentlicht aber keine unveränderliche API-Modell-/Checkpoint-ID, keine versionierte Benchmark-Dataset-Kennung und keine Konfidenzintervalle. Die Autor:innenliste mit mehreren Institutionen belegt für sich genommen keine Unabhängigkeit der Evaluation.
Q&A over Indian-language policies (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 96
- Bewertung
- 96
- Messgröße
- Correct-answer rate on an authored Indian-language company-document RAG test
- Einheit
- %
- Richtung
- Mehr ist besser
- Stichprobe
- 132
- Quellentyp
- independent-evaluator
- Auswertung
- Sarvam Field Test
- Status
- active
- Abrufdatum
- 2026-10-22
- Methodik
- Unabhängige Evaluation. Sarvam-API. Die Ergebniszeile nennt Sarvam-105B · thinking, was die Methodik der mittleren Reasoning-Einstellung zuordnet. Der eigens erstellte RAG-Test zu indischen Unternehmensdokumenten umfasst 132 Aufgaben und lief laut Bericht am 11. Oktober 2026. Ein unveränderlicher Checkpoint oder eine API-Revision ist nicht angegeben.
- Einordnung
- Die Methodik nennt 95-%-Bootstrapintervalle mit 2.000 Resamples. Der geöffnete Bericht weist für diese Zeile jedoch keine numerischen Grenzen und keinen unveränderlichen ausgelieferten Checkpoint beziehungsweise keine API-Revision aus.
Gödel Machines refusal-asymmetry audit: overall harmful-prompt compliance (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 3.9
- Bewertung
- 3.9
- Messgröße
- Harmful-prompt compliance rate
- Einheit
- %
- Kategorie
- safety
- Richtung
- Weniger ist besser
- Stichprobe
- 1400
- Quellentyp
- independent-evaluator
- Auswertung
- Gödel Machines, Sarvam's illusion of safety
- Status
- active
- Abrufdatum
- 2026-10-23
- Methodik
- Unabhängige Evaluation. Unabhängiger natürlicher Test der Verweigerungsasymmetrie bei schädlichen Prompts. Der Bericht nennt 1.400 Prompts pro Modell in 14 Sprachen, menschlich übersetzt und über zehn Indien-spezifische Kategorien verteilt, bewertet durch GPT-5-mini. Ein genaues Testdatum oder eine unveränderliche Gewichtsrevision/API-Route wird nicht genannt.
- Einordnung
- Der Bericht identifiziert das ausgewertete System nur über den genannten Sarvam-Modellnamen, ohne unveränderliche Gewichtsrevision oder Evaluierungsroute. Dies ist ein Sicherheitsbefund, kein allgemeines Qualitäts- oder Ranking-Ergebnis.
Gödel Machines refusal-asymmetry audit: Privacy violation (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 6.4
- Bewertung
- 6.4
- Messgröße
- Harmful-prompt compliance rate
- Einheit
- %
- Kategorie
- safety
- Richtung
- Weniger ist besser
- Quellentyp
- independent-evaluator
- Auswertung
- Gödel Machines, Sarvam's illusion of safety
- Status
- active
- Abrufdatum
- 2026-10-23
- Methodik
- Unabhängige Evaluation. Unabhängiges Sicherheits-Audit mit natürlichen schädlichen Prompts, Kategorie Privacy violation der Verweigerungsasymmetrie, berichtet für Sarvam-105B. Das Paper beschreibt 100 Prompts je Sprache in 14 Sprachen und zehn Kategorien, nennt aber keinen Nenner für diese einzelne Kategorie. Daher bleibt die Stichprobengröße leer. Die Antworten wurden durch GPT-5-mini bewertet. Genaues Testdatum und unveränderliche Gewichtsrevision/API-Route fehlen.
- Einordnung
- Der Bericht identifiziert das ausgewertete System nur über den genannten Sarvam-Modellnamen, ohne unveränderliche Gewichtsrevision oder Evaluierungsroute. Dies ist ein Sicherheitsbefund, kein allgemeines Qualitäts- oder Ranking-Ergebnis.
Seite 1 von 5
Beliebtheit im Vergleich
Wie oft das Modell gesucht, genutzt und erwähnt wird, im Vergleich mit allen Modellen dieser Kategorie.
Beliebtheitsindex
Die 100 beliebtesten Modelle dieser Kategorie, 0 bis 100, höher ist beliebter
20 von 101 Modellen
Stand November 2026 · Quelle: gradually.ai Beliebtheitsindex
Zeitlicher Verlauf
Wochenwerte vom 18. Oktober 2026 bis 7. November 2026
Sarvam 105BPixtral 12B 31Agnes 3.0 Flash Preview 30Qwen 3 VL 8B Thinking 30Yi-1.5 34B 30
Methodenwechsel im Verlauf, ein Sprung an dieser Stelle ist kein Marktereignis:
- 11. November 2026: Wert nur mit Such- oder Nutzungsdaten, 30-Tage-Aufmerksamkeit
Was gerade an Beliebtheit gewinnt, steht für Modelle, Anbieter, Harnesses und KI-Abos gesammelt in Alle KI-Trends.
Ähnliche Modelle
Weitere Modelle derselben Art wie Sarvam 105B, ausgewählt nach Modellreihe, Anbieter, Größe, Preis und Erscheinungsdatum.
Alle technischen Daten
Architektur
Ein- und Ausgabe
Wasserzeichen und Herkunft
KI-Wasserzeichen meint unsichtbare Signale in der Ausgabe. Sichtbare Zeichen und Herkunftsmetadaten sind getrennt aufgeführt. Unbekannt bedeutet, dass für die jeweilige Angabe kein ausreichender Beleg vorliegt.
- KI-Wasserzeichen
- Unbekannt
- ohne Quelle
- Wasserzeichen-Technik
- Nicht bekannt
- ohne Quelle
Lizenz und Zugang
Häufige Fragen zu Sarvam 105B
Wie groß ist das Kontextfenster von Sarvam 105B?
131.072 Token. So viel Text liest Sarvam 105B auf einmal, das sind rund 200 A4-Seiten.
Seitenzahl als Faustregel nach Artificial Analysis
GLM-5.1200 Tsd.
DeepSeek-V3 0324164 Tsd.
Sarvam 105BPlatz 94 von 103131 Tsd.
GLM-4.5131 Tsd.
GPT OSS 120B131 Tsd.
DeepSeek-V3.2128 Tsd.
DeepSeek-R1128 Tsd.
Wie schnell ist Sarvam 105B?
107 Token pro Sekunde. Das ist schneller als ein typisches Modell mit 87.
Gemessen von Artificial Analysis am 06.11.2026. AA 3.0.0, einschließlich Zeit bis zum ersten Token, über verfügbare Workloads und fünf Tage gemittelt.
GPT-6 Sol111
o3110
o4-mini110
Sarvam 105BPlatz 36 von 101107
Claude Opus 5.5106
Claude Sonnet 5103
Grok 4.20 Reasoning102
Kann ich Sarvam 105B lokal nutzen?
Ja, die Gewichte sind offen. Mit 105 Mrd. Parametern braucht es aber sehr viel Speicher, eher einen Server als einen Laptop.
Angaben von Sarvam AI
- Offene Gewichte
- ja
- Lizenz
- Apache 2.0
- Parameter
- 105 Mrd.
- davon aktiv je Token
- k. A.
Quellen und Datenstand
Alle 20 Quellen anzeigen
Benchmarkquellen im Überblick
Welche unabhängigen Auswerter dieses Modell getestet haben. Das ist Abdeckung, keine Qualitätsrangliste.
| Auswerter | Testreihen | Gesamtindizes | Erfasste aktive Messwerte |
|---|---|---|---|
| Artificial Analysis | 1 | 0 | 1 |
Ohne Herstellerangaben sowie historische oder strittige Ergebnisse; diese stehen gekennzeichnet bei den Einzelwerten.
| Art | Nachweis und Datenstand |
|---|---|
| Geschwindigkeit | Sarvam, High effort. AA 3.0.0, einschließlich Zeit bis zum ersten Token, über verfügbare Workloads und fünf Tage gemittelt. Abgerufen am 6. November 2026. |
| Eingabe | Dokumentierte Modalitäten. Abgerufen am 27. Oktober 2026. |
| Ausgabe | Dokumentierte Modalitäten. Abgerufen am 27. Oktober 2026. |
| Recherchestand | Recherchestand 15. Oktober 2026. 9 Quellen-URLs geprüft. Das dokumentiert die geprüften Quellen, nicht sämtliche Veröffentlichungen zu diesem Modell. |
| Nicht veröffentlicht | score-units-and-evaluation-details Hinweis Die Modellkarte lässt Ergebniseinheiten, die meisten Benchmarkversionen, Aufgabendaten, Sampling- und Prompting-Einstellungen offen. Zwei AIME-Varianten mit Werkzeugangaben in Klammern wurden ausgeschlossen, weil ihre Zuordnung aus der Tabelle nicht hervorgeht. |
| Nicht veröffentlicht | evaluation-methodology Hinweis Die Release-Seite nennt keine Evaluierungsdaten, Aufgabennenner oder Skalen für mehrere Tabellen und lässt die meisten Prompt-, Decoding- und Tool-Gerüst-Details offen. Bei AIME ist der Tool-Status des ersten Werts zwischen Tabellenzeile und Fließtext nicht eindeutig. |
| Nicht veröffentlicht | tested-weight-or-serving-revision Hinweis Der Auswerter nennt die öffentliche Modell-ID und sichtbare Laufeinstellungen, aber keine unveränderliche getestete Gewichts- oder Serving-/API-Revision. |
| Nicht veröffentlicht | confidence-interval-95 Hinweis Für den aggregierten Wert über 200 Probleme wird kein Konfidenzintervall veröffentlicht. |
| Nicht veröffentlicht | underlying-run-date Hinweis Der Aktualisierungszeitpunkt der Seite ist sichtbar, das genaue Datum des zugrunde liegenden Modelllaufs jedoch nicht angegeben. |
| Weitere Quelle | Hugging Face (abgerufen 15. Oktober 2026) · Sarvam 105B model card · Redaktionelle Beschreibung geprüft am 2. Oktober 2026 |
| Weitere Quelle | Artificial Analysis (abgerufen 2. November 2026) |
| Weitere Quelle | Artificial Analysis (abgerufen 2. November 2026; 7. November 2026) |
| Weitere Quelle | Sarvam: Open-Sourcing Sarvam 30B and 105B (abgerufen 17. Oktober 2026; 23. Oktober 2026) · Sarvam 30B and 105B release post · Redaktionelle Beschreibung geprüft am 2. Oktober 2026 |
| Weitere Quelle | MathBench.ai exact-model result page (abgerufen 17. Oktober 2026; 28. Oktober 2026) |
| Weitere Quelle | AgentAudit paper, arXiv:2609.09875 (abgerufen 17. Oktober 2026) |
| Weitere Quelle | XL-SafetyBench, arXiv:2605.05662v2 (abgerufen 18. Oktober 2026) |
| Weitere Quelle | Sarvam AI, Everything we announced at Sarvam Epoch (abgerufen 20. Oktober 2026) |
| Weitere Quelle | Sarvam Field Test (abgerufen 22. Oktober 2026) |
| Weitere Quelle | Gödel Machines, Sarvam's illusion of safety (abgerufen 23. Oktober 2026) |
| Weitere Quelle | Modellmetadaten (abgerufen 17. Oktober 2026; 28. Oktober 2026) |
| Weitere Quelle | OpenRouter: Beliebtheitsindex (abgeleitet), CC BY 4.0 |
| Weitere Quelle | Vercel AI Gateway: Beliebtheitsindex (abgeleitet), CC BY 4.0 |
| Weitere Quelle | Ollama: kumulierte Downloads für den Beliebtheitsindex |
| Weitere Quelle | Replicate: kumulierte Ausführungen für den Beliebtheitsindex |
| Weitere Quelle | Google Trending Now: begrenzte Feed-Auswahl für Deutschland und USA |
| Weitere Quelle | Creative Commons Attribution 4.0 |