Sarvam AISprachmodell
Sarvam 30B
Für Sarvam 30B gibt es noch keinen Wert im Gesamtindex, weil zu wenige unabhängige Benchmark-Ergebnisse vorliegen.
BeliebtheitPlatz 339 von 785
38von 100wie im Vormonat
beruht auf Suche, Nutzung und Aufmerksamkeit
Zusammenfassung
Sarvam 30B ist ein sparsames Mixture-of-Experts-Modell mit 2,4 Milliarden aktiven Nicht-Embedding-Parametern. Sarvam richtet es auf praktische Bereitstellung, indische Sprachen, Code, Schlussfolgern, Gespräche und Werkzeugaufrufe aus. Die Karte hebt außerdem mehrsprachige Sprachanrufe hervor. GQA reduziert den KV-Cache, während das 128.000-Token-Fenster lange Eingaben mit dem Fokus auf ressourcenärmere Inferenz verbindet.
Der offizielle Veröffentlichungsbeitrag beschreibt 30B als Produktionsmodell und nennt API-Zugang sowie herunterladbare Gewichte. Sarvam 105B verfolgt dieselbe offene Modellidee in größerem Maßstab, ist aber ein anderer MoE-Zuschnitt. Sarvam dokumentiert Optimierungen für Server, L40S und Apple Silicon; die Karte nennt außerdem 22 indische Sprachen.
Alle Benchmark-Werte
Jeder veröffentlichte Messwert mit Quelle, Testbedingungen und Vergleichsmodellen.
Alle 93 veröffentlichten Benchmark-Werte anzeigen
Seite 1 von 8
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
- 0.28571428571428603
- Bewertung
- 0.28571428571428603
- 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 30B (High) (Release sarvam-30b, Zeile sarvam-30b, UUID 764dd095-6ebd-4760-8eb3-cbc40964db2e, 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/764dd095-6ebd-4760-8eb3-cbc40964db2e/sarvam-30b/sarvam-30b. Name des Quellmodells: Sarvam 30B. Anbieter laut Quelle: Sarvam. Modellstand: Sarvam 30B (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: 0,3 %. 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 30B (High) (Release sarvam-30b, Zeile sarvam-30b, UUID 764dd095-6ebd-4760-8eb3-cbc40964db2e, 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
- 26.462585034013603
- Bewertung
- 26.462585034013603
- 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 30B (High) (Release sarvam-30b, Zeile sarvam-30b, UUID 764dd095-6ebd-4760-8eb3-cbc40964db2e, 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/764dd095-6ebd-4760-8eb3-cbc40964db2e/sarvam-30b/sarvam-30b. Name des Quellmodells: Sarvam 30B. Anbieter laut Quelle: Sarvam. Modellstand: Sarvam 30B (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: 26,5 %. 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 30B (High) (Release sarvam-30b, Zeile sarvam-30b, UUID 764dd095-6ebd-4760-8eb3-cbc40964db2e, 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
- 26.462585034013603
- Bewertung
- 26.462585034013603
- 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 30B (High) (Release sarvam-30b, Zeile sarvam-30b, UUID 764dd095-6ebd-4760-8eb3-cbc40964db2e, 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/764dd095-6ebd-4760-8eb3-cbc40964db2e/sarvam-30b/sarvam-30b. Name des Quellmodells: Sarvam 30B. Anbieter laut Quelle: Sarvam. Modellstand: Sarvam 30B (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: 26,5 %. 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 30B (High) (Release sarvam-30b, Zeile sarvam-30b, UUID 764dd095-6ebd-4760-8eb3-cbc40964db2e, 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.
IndicQuest v2 LLM-as-a-judge weighted accuracy (English) (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 48.7
- Bewertung
- 48.7
- Messgröße
- LLM-as-a-judge weighted accuracy for English
- Einheit
- %
- Benchmark-Version
- L3Cube-IndicQuest v2, arXiv:2608.15535v1
- Kategorie
- factual-knowledge
- Richtung
- Mehr ist besser
- Stichprobe
- 3471
- Quellentyp
- independent-evaluator
- Auswertung
- L3Cube-IndicQuest v2, arXiv:2608.15535v1, Tables 5 and 6
- Status
- active
- Abrufdatum
- 2026-10-17
- Methodik
- Unabhängige Evaluation. Tabelle 5, exakte Sarvam-30B-Zeile für die englische Teilmenge. Das Paper nennt 3.471 englische Frage-Antwort-Paare und für die deterministischen Metriken dieselben 3.471 Antworten je Modell. Beim LLM-as-a-judge-Verfahren wird Gemma 3 12B eingesetzt. Ein Konfidenzintervall wird nicht veröffentlicht. Die exakte Zeilenbezeichnung des Papers lautet „Sarvam 30B“. Die dazu passende offizielle Modellkarte nennt das öffentliche Repository `sarvamai/sarvam-30b`. Das Paper bindet die Auswertung weder an eine unveränderliche Repository-Revision noch an eine API-Route und veröffentlicht keine Decoding-Parameter dieses Laufs.
- Einordnung
- Das Paper bezeichnet das System nur als „Sarvam 30B“. Die passende Modellkarte stützt die Zuordnung zu Modellfamilie und Repository, nicht zu einem getesteten Commit oder Endpunkt. Für die neun nichtenglischen Zellen in Tabelle 6 wird keine Stichprobengröße je Sprache ausdrücklich genannt. N und Konfidenzintervalle werden nicht abgeleitet.
IndicQuest v2 exact-substring accuracy (English) (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 27.7
- Bewertung
- 27.7
- Messgröße
- Exact-substring accuracy for English
- Einheit
- %
- Benchmark-Version
- L3Cube-IndicQuest v2, arXiv:2608.15535v1
- Kategorie
- factual-knowledge
- Richtung
- Mehr ist besser
- Stichprobe
- 3471
- Quellentyp
- independent-evaluator
- Auswertung
- L3Cube-IndicQuest v2, arXiv:2608.15535v1, Tables 5 and 6
- Status
- active
- Abrufdatum
- 2026-10-17
- Methodik
- Unabhängige Evaluation. Tabelle 5, exakte Sarvam-30B-Zeile für die englische Teilmenge. Das Paper nennt 3.471 englische Frage-Antwort-Paare und für die deterministischen Metriken dieselben 3.471 Antworten je Modell. Beim LLM-as-a-judge-Verfahren wird Gemma 3 12B eingesetzt. Ein Konfidenzintervall wird nicht veröffentlicht. Die exakte Zeilenbezeichnung des Papers lautet „Sarvam 30B“. Die dazu passende offizielle Modellkarte nennt das öffentliche Repository `sarvamai/sarvam-30b`. Das Paper bindet die Auswertung weder an eine unveränderliche Repository-Revision noch an eine API-Route und veröffentlicht keine Decoding-Parameter dieses Laufs.
- Einordnung
- Das Paper bezeichnet das System nur als „Sarvam 30B“. Die passende Modellkarte stützt die Zuordnung zu Modellfamilie und Repository, nicht zu einem getesteten Commit oder Endpunkt. Für die neun nichtenglischen Zellen in Tabelle 6 wird keine Stichprobengröße je Sprache ausdrücklich genannt. N und Konfidenzintervalle werden nicht abgeleitet.
IndicQuest v2 word-overlap accuracy (English) (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 27.9
- Bewertung
- 27.9
- Messgröße
- Word-overlap accuracy for English
- Einheit
- %
- Benchmark-Version
- L3Cube-IndicQuest v2, arXiv:2608.15535v1
- Kategorie
- factual-knowledge
- Richtung
- Mehr ist besser
- Stichprobe
- 3471
- Quellentyp
- independent-evaluator
- Auswertung
- L3Cube-IndicQuest v2, arXiv:2608.15535v1, Tables 5 and 6
- Status
- active
- Abrufdatum
- 2026-10-17
- Methodik
- Unabhängige Evaluation. Tabelle 5, exakte Sarvam-30B-Zeile für die englische Teilmenge. Das Paper nennt 3.471 englische Frage-Antwort-Paare und für die deterministischen Metriken dieselben 3.471 Antworten je Modell. Beim LLM-as-a-judge-Verfahren wird Gemma 3 12B eingesetzt. Ein Konfidenzintervall wird nicht veröffentlicht. Die exakte Zeilenbezeichnung des Papers lautet „Sarvam 30B“. Die dazu passende offizielle Modellkarte nennt das öffentliche Repository `sarvamai/sarvam-30b`. Das Paper bindet die Auswertung weder an eine unveränderliche Repository-Revision noch an eine API-Route und veröffentlicht keine Decoding-Parameter dieses Laufs.
- Einordnung
- Das Paper bezeichnet das System nur als „Sarvam 30B“. Die passende Modellkarte stützt die Zuordnung zu Modellfamilie und Repository, nicht zu einem getesteten Commit oder Endpunkt. Für die neun nichtenglischen Zellen in Tabelle 6 wird keine Stichprobengröße je Sprache ausdrücklich genannt. N und Konfidenzintervalle werden nicht abgeleitet.
IndicQuest v2 LLM-as-a-judge weighted accuracy (Gujarati) (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 40.7
- Bewertung
- 40.7
- Messgröße
- LLM-as-a-judge weighted accuracy for Gujarati
- Einheit
- %
- Benchmark-Version
- L3Cube-IndicQuest v2, arXiv:2608.15535v1
- Kategorie
- factual-knowledge
- Richtung
- Mehr ist besser
- Quellentyp
- independent-evaluator
- Auswertung
- L3Cube-IndicQuest v2, arXiv:2608.15535v1, Tables 5 and 6
- Status
- active
- Abrufdatum
- 2026-10-17
- Methodik
- Unabhängige Evaluation. Tabelle 6, exakte Zeile „Weighted“ für Sarvam 30B und die genannte Sprachspalte. Es handelt sich um eine nach Domänengröße gewichtete Genauigkeit mit LLM-as-a-judge; das Paper nennt Gemma 3 12B als Judge. Es nennt insgesamt 69.420 mehrsprachige Frage-Antwort-Paare in 20 Sprachen, aber keinen Nenner je Sprache neben diesen Tabellenzellen. Ein Konfidenzintervall wird nicht veröffentlicht. Die exakte Zeilenbezeichnung des Papers lautet „Sarvam 30B“. Die dazu passende offizielle Modellkarte nennt das öffentliche Repository `sarvamai/sarvam-30b`. Das Paper bindet die Auswertung weder an eine unveränderliche Repository-Revision noch an eine API-Route und veröffentlicht keine Decoding-Parameter dieses Laufs.
- Einordnung
- Das Paper bezeichnet das System nur als „Sarvam 30B“. Die passende Modellkarte stützt die Zuordnung zu Modellfamilie und Repository, nicht zu einem getesteten Commit oder Endpunkt. Für die neun nichtenglischen Zellen in Tabelle 6 wird keine Stichprobengröße je Sprache ausdrücklich genannt. N und Konfidenzintervalle werden nicht abgeleitet.
IndicQuest v2 LLM-as-a-judge weighted accuracy (Hindi) (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 38.6
- Bewertung
- 38.6
- Messgröße
- LLM-as-a-judge weighted accuracy for Hindi
- Einheit
- %
- Benchmark-Version
- L3Cube-IndicQuest v2, arXiv:2608.15535v1
- Kategorie
- factual-knowledge
- Richtung
- Mehr ist besser
- Quellentyp
- independent-evaluator
- Auswertung
- L3Cube-IndicQuest v2, arXiv:2608.15535v1, Tables 5 and 6
- Status
- active
- Abrufdatum
- 2026-10-17
- Methodik
- Unabhängige Evaluation. Tabelle 6, exakte Zeile „Weighted“ für Sarvam 30B und die genannte Sprachspalte. Es handelt sich um eine nach Domänengröße gewichtete Genauigkeit mit LLM-as-a-judge; das Paper nennt Gemma 3 12B als Judge. Es nennt insgesamt 69.420 mehrsprachige Frage-Antwort-Paare in 20 Sprachen, aber keinen Nenner je Sprache neben diesen Tabellenzellen. Ein Konfidenzintervall wird nicht veröffentlicht. Die exakte Zeilenbezeichnung des Papers lautet „Sarvam 30B“. Die dazu passende offizielle Modellkarte nennt das öffentliche Repository `sarvamai/sarvam-30b`. Das Paper bindet die Auswertung weder an eine unveränderliche Repository-Revision noch an eine API-Route und veröffentlicht keine Decoding-Parameter dieses Laufs.
- Einordnung
- Das Paper bezeichnet das System nur als „Sarvam 30B“. Die passende Modellkarte stützt die Zuordnung zu Modellfamilie und Repository, nicht zu einem getesteten Commit oder Endpunkt. Für die neun nichtenglischen Zellen in Tabelle 6 wird keine Stichprobengröße je Sprache ausdrücklich genannt. N und Konfidenzintervalle werden nicht abgeleitet.
IndicQuest v2 LLM-as-a-judge weighted accuracy (Assamese) (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 38.4
- Bewertung
- 38.4
- Messgröße
- LLM-as-a-judge weighted accuracy for Assamese
- Einheit
- %
- Benchmark-Version
- L3Cube-IndicQuest v2, arXiv:2608.15535v1
- Kategorie
- factual-knowledge
- Richtung
- Mehr ist besser
- Quellentyp
- independent-evaluator
- Auswertung
- L3Cube-IndicQuest v2, arXiv:2608.15535v1, Tables 5 and 6
- Status
- active
- Abrufdatum
- 2026-10-17
- Methodik
- Unabhängige Evaluation. Tabelle 6, exakte Zeile „Weighted“ für Sarvam 30B und die genannte Sprachspalte. Es handelt sich um eine nach Domänengröße gewichtete Genauigkeit mit LLM-as-a-judge; das Paper nennt Gemma 3 12B als Judge. Es nennt insgesamt 69.420 mehrsprachige Frage-Antwort-Paare in 20 Sprachen, aber keinen Nenner je Sprache neben diesen Tabellenzellen. Ein Konfidenzintervall wird nicht veröffentlicht. Die exakte Zeilenbezeichnung des Papers lautet „Sarvam 30B“. Die dazu passende offizielle Modellkarte nennt das öffentliche Repository `sarvamai/sarvam-30b`. Das Paper bindet die Auswertung weder an eine unveränderliche Repository-Revision noch an eine API-Route und veröffentlicht keine Decoding-Parameter dieses Laufs.
- Einordnung
- Das Paper bezeichnet das System nur als „Sarvam 30B“. Die passende Modellkarte stützt die Zuordnung zu Modellfamilie und Repository, nicht zu einem getesteten Commit oder Endpunkt. Für die neun nichtenglischen Zellen in Tabelle 6 wird keine Stichprobengröße je Sprache ausdrücklich genannt. N und Konfidenzintervalle werden nicht abgeleitet.
IndicQuest v2 LLM-as-a-judge weighted accuracy (Telugu) (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 37.6
- Bewertung
- 37.6
- Messgröße
- LLM-as-a-judge weighted accuracy for Telugu
- Einheit
- %
- Benchmark-Version
- L3Cube-IndicQuest v2, arXiv:2608.15535v1
- Kategorie
- factual-knowledge
- Richtung
- Mehr ist besser
- Quellentyp
- independent-evaluator
- Auswertung
- L3Cube-IndicQuest v2, arXiv:2608.15535v1, Tables 5 and 6
- Status
- active
- Abrufdatum
- 2026-10-17
- Methodik
- Unabhängige Evaluation. Tabelle 6, exakte Zeile „Weighted“ für Sarvam 30B und die genannte Sprachspalte. Es handelt sich um eine nach Domänengröße gewichtete Genauigkeit mit LLM-as-a-judge; das Paper nennt Gemma 3 12B als Judge. Es nennt insgesamt 69.420 mehrsprachige Frage-Antwort-Paare in 20 Sprachen, aber keinen Nenner je Sprache neben diesen Tabellenzellen. Ein Konfidenzintervall wird nicht veröffentlicht. Die exakte Zeilenbezeichnung des Papers lautet „Sarvam 30B“. Die dazu passende offizielle Modellkarte nennt das öffentliche Repository `sarvamai/sarvam-30b`. Das Paper bindet die Auswertung weder an eine unveränderliche Repository-Revision noch an eine API-Route und veröffentlicht keine Decoding-Parameter dieses Laufs.
- Einordnung
- Das Paper bezeichnet das System nur als „Sarvam 30B“. Die passende Modellkarte stützt die Zuordnung zu Modellfamilie und Repository, nicht zu einem getesteten Commit oder Endpunkt. Für die neun nichtenglischen Zellen in Tabelle 6 wird keine Stichprobengröße je Sprache ausdrücklich genannt. N und Konfidenzintervalle werden nicht abgeleitet.
IndicQuest v2 LLM-as-a-judge weighted accuracy (Odia) (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 37.4
- Bewertung
- 37.4
- Messgröße
- LLM-as-a-judge weighted accuracy for Odia
- Einheit
- %
- Benchmark-Version
- L3Cube-IndicQuest v2, arXiv:2608.15535v1
- Kategorie
- factual-knowledge
- Richtung
- Mehr ist besser
- Quellentyp
- independent-evaluator
- Auswertung
- L3Cube-IndicQuest v2, arXiv:2608.15535v1, Tables 5 and 6
- Status
- active
- Abrufdatum
- 2026-10-17
- Methodik
- Unabhängige Evaluation. Tabelle 6, exakte Zeile „Weighted“ für Sarvam 30B und die genannte Sprachspalte. Es handelt sich um eine nach Domänengröße gewichtete Genauigkeit mit LLM-as-a-judge; das Paper nennt Gemma 3 12B als Judge. Es nennt insgesamt 69.420 mehrsprachige Frage-Antwort-Paare in 20 Sprachen, aber keinen Nenner je Sprache neben diesen Tabellenzellen. Ein Konfidenzintervall wird nicht veröffentlicht. Die exakte Zeilenbezeichnung des Papers lautet „Sarvam 30B“. Die dazu passende offizielle Modellkarte nennt das öffentliche Repository `sarvamai/sarvam-30b`. Das Paper bindet die Auswertung weder an eine unveränderliche Repository-Revision noch an eine API-Route und veröffentlicht keine Decoding-Parameter dieses Laufs.
- Einordnung
- Das Paper bezeichnet das System nur als „Sarvam 30B“. Die passende Modellkarte stützt die Zuordnung zu Modellfamilie und Repository, nicht zu einem getesteten Commit oder Endpunkt. Für die neun nichtenglischen Zellen in Tabelle 6 wird keine Stichprobengröße je Sprache ausdrücklich genannt. N und Konfidenzintervalle werden nicht abgeleitet.
IndicQuest v2 LLM-as-a-judge weighted accuracy (Sanskrit) (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 35.3
- Bewertung
- 35.3
- Messgröße
- LLM-as-a-judge weighted accuracy for Sanskrit
- Einheit
- %
- Benchmark-Version
- L3Cube-IndicQuest v2, arXiv:2608.15535v1
- Kategorie
- factual-knowledge
- Richtung
- Mehr ist besser
- Quellentyp
- independent-evaluator
- Auswertung
- L3Cube-IndicQuest v2, arXiv:2608.15535v1, Tables 5 and 6
- Status
- active
- Abrufdatum
- 2026-10-17
- Methodik
- Unabhängige Evaluation. Tabelle 6, exakte Zeile „Weighted“ für Sarvam 30B und die genannte Sprachspalte. Es handelt sich um eine nach Domänengröße gewichtete Genauigkeit mit LLM-as-a-judge; das Paper nennt Gemma 3 12B als Judge. Es nennt insgesamt 69.420 mehrsprachige Frage-Antwort-Paare in 20 Sprachen, aber keinen Nenner je Sprache neben diesen Tabellenzellen. Ein Konfidenzintervall wird nicht veröffentlicht. Die exakte Zeilenbezeichnung des Papers lautet „Sarvam 30B“. Die dazu passende offizielle Modellkarte nennt das öffentliche Repository `sarvamai/sarvam-30b`. Das Paper bindet die Auswertung weder an eine unveränderliche Repository-Revision noch an eine API-Route und veröffentlicht keine Decoding-Parameter dieses Laufs.
- Einordnung
- Das Paper bezeichnet das System nur als „Sarvam 30B“. Die passende Modellkarte stützt die Zuordnung zu Modellfamilie und Repository, nicht zu einem getesteten Commit oder Endpunkt. Für die neun nichtenglischen Zellen in Tabelle 6 wird keine Stichprobengröße je Sprache ausdrücklich genannt. N und Konfidenzintervalle werden nicht abgeleitet.
Seite 1 von 8
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 30BDeepSeek-R1 0528 38Ministral 3 14B 38Motif 3 38GPT-4.1 38
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 30B, ausgewählt nach Modellreihe, Anbieter, Größe, Preis und Erscheinungsdatum.
- Sarvam-MSarvam AI · gleicher Anbieter
- Sarvam 105BSarvam AI · gleicher Anbieter
- Nemotron 3 NanoNVIDIA · ähnliche Größe
- Nemotron Cascade 2 30B A3BNVIDIA · ähnliche Größe
- Qwen 3.5 27BAlibaba · ähnliche Größe
- GLM-4.7-FlashZ.ai · ähnliche Größe
- Nemotron 3 Nano Omni 30B A3B ReasoningNVIDIA · ähnliche Größe
- Qwen 3.6 27BAlibaba · ähnliche Größe
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 30B
Wie groß ist das Kontextfenster von Sarvam 30B?
128.000 Token. So viel Text liest Sarvam 30B auf einmal, das sind rund 190 A4-Seiten.
Seitenzahl als Faustregel nach Artificial Analysis
GLM-5.1200 Tsd.
DeepSeek-V3 0324164 Tsd.
GLM-4.5131 Tsd.
GPT OSS 120B131 Tsd.
Sarvam 30BPlatz 98 von 103128 Tsd.
DeepSeek-V3.2128 Tsd.
DeepSeek-R1128 Tsd.
Kann ich Sarvam 30B lokal nutzen?
Ja, die Gewichte sind offen.
Angaben von Sarvam AI
- Offene Gewichte
- ja
- Lizenz
- Apache 2.0
- Parameter
- 30 Mrd.
- davon aktiv je Token
- k. A.
Quellen und Datenstand
Alle 18 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 |
|---|---|
| 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. Alternativen zur Werkzeugnutzung in Klammern wurden ausgeschlossen, weil ihre Zuordnung nicht eindeutig ist. |
| Ungeklärt | aime-value-and-evaluation-methodology Hinweis Die Sarvam-30B-Tabelle der offiziellen Release-Seite zeigt 80,0 (96,7), während der Fließtext 88,3 Pass@1 und 96,7 mit Tool-Nutzung nennt. Die 88,3 passen zum Tabellenwert für Sarvam 105B, aber der Anbieter hat keine Korrektur veröffentlicht. Außerdem fehlen Evaluierungsdatum, Stichprobengröße und die meisten Harness-Einstellungen. |
| Nicht veröffentlicht | tested-checkpoint-or-api-revision Hinweis Das Paper nennt Sarvam 30B und die passende Modellkarte das öffentliche Repository, aber keinen unveränderlichen getesteten Commit oder API-Endpunkt. |
| Nicht veröffentlicht | per-language-sample-count-table-6 Hinweis Tabelle 6 nennt für die neun Sprachzellen keine Stichprobengröße je Sprache. Aus den insgesamt 69.420 Paaren in 20 Sprachen wird kein Nenner je Tabellenzelle abgeleitet. |
| Nicht veröffentlicht | confidence-interval-95 Hinweis Das Paper veröffentlicht keine Konfidenzintervalle für die Genauigkeitswerte. |
| Weitere Quelle | Hugging Face (abgerufen 15. Oktober 2026; 17. Oktober 2026) · Sarvam 30B 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; 22. Oktober 2026; 23. Oktober 2026) · Sarvam 30B and 105B release post · Redaktionelle Beschreibung geprüft am 2. Oktober 2026 |
| Weitere Quelle | L3Cube-IndicQuest v2, arXiv:2608.15535v1, Tables 5 and 6 (abgerufen 17. Oktober 2026) |
| Weitere Quelle | XL-SafetyBench, arXiv:2605.05662v2 (abgerufen 18. Oktober 2026) |
| Weitere Quelle | AI4Bharat / IIT Madras and NVIDIA, Indic-LLM-Eval-Suite (abgerufen 18. Oktober 2026) |
| Weitere Quelle | IndicEval (Aviral Kaintura) (abgerufen 19. Oktober 2026) |
| Weitere Quelle | Sthanika, MILU 2026 rerun (abgerufen 21. Oktober 2026) |
| Weitere Quelle | Goedel Machines, Sarvam's illusion of safety (abgerufen 21. Oktober 2026; 23. Oktober 2026) |
| Weitere Quelle | Modellmetadaten (abgerufen 19. 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 |