Sarvam-105B

Fiche modèle · Sarvam AI · sarvam-105b

Sarvam-105B is Sarvam AI's flagship open-source Mixture-of-Experts reasoning model built for complex reasoning, coding, and agentic workflows. It uses 128 sparse experts with Multi-head Latent Attention for efficient long-context inference and was pre-trained on 12 trillion tokens spanning code, mathematics, multilingual, and web data.

Fiches modèles

Identité

OrganisationSarvam AI
Pays—
Famille—
Typellm
Date de sortie2026-03-06
Licenceapache 2.0
Licence commercialeoui
Licence open sourceoui
Poids ouvertsoui
Auto-hébergement (DGX Spark)oui — ≤ 107 Md (Q8/FP8)
Modalités—
Fenêtre de contexte131 072
KV cache / token (Q8)2.36 Mo/token
Paramètres totaux105 B
Paramètres actifs (session)10.3 B
Source des paramètres actifsweb : https://huggingface.co/sarvamai/sarvam-105b
Curation des paramètres actifs2026-11-04
Prix par session—
Tokens / tâche (Data Players)1.2 M
Tokens / tâche (Terminal-Bench)83.3 M (est.)
Ratio Terminal-Bench / Data Players69.4×
Coût / tâche (Terminal-Bench)—
Tokens d'entraînement12 000 000 000 000
Coupure de connaissance—
Créé le2026-05-07T16:53:39.565723Z
Mis à jour le2026-11-04T06:05:12.410147Z
SourceLLM Stats
URLhttps://llm-stats.com/models/sarvam-105b
Tokens/tâche

Prix par fournisseur

Prix

Statut du modèle (offres + auto-hébergement) : partiel — auto-hébergement DGX Spark (≤ 107 Md).

Toutes sources confondues : catalogue llm-stats, routeurs EUrouter/Cortecs et catalogues directs (OVHcloud, Scaleway, Infomaniak). Les prix sont convertis en USD pour la comparaison ; le prix publié et le taux BCE utilisé sont dans l'infobulle. Les prix inconnus restent indiqués « — ».

Aucune donnée.

Souveraineté qualifiée par offre (modèle × fournisseur) ; survolez le badge pour les critères.

Souveraineté

Scores par catégorie (top_scores)

CatégorieScore
chat0.80
instruction_following0.80
language0.90
legal0.90
math0.80
physics0.80
reasoning0.70
search0.50
structured_output0.80
finance0.90
frontend_development0.50
general0.70
healthcare0.90
agents0.50
biology0.80
chemistry0.80
code0.50
creativity0.70
vision0.10
writing0.70

Scores par benchmark

BenchmarkCatégorieScoreMaxNormalisé (API)VérifiéAuto-déclaréDaté du
aime-2025math0.971.000.97nonoui2026-11-04T06:05:12.439033Z
arena-hard-v2general0.711.000.71nonoui2026-11-04T06:05:12.425037Z
beyond-aimemath0.691.000.69nonoui2026-11-04T06:05:12.448717Z
browsecompreasoning0.491.000.49nonoui2026-11-04T06:05:12.451788Z
gpqareasoning0.791.000.79nonoui2026-11-04T06:05:12.431988Z
hmmt-2025math0.861.000.86nonoui2026-11-04T06:05:12.442249Z
hmmt25math0.861.000.86nonoui2026-11-04T06:05:12.445524Z
humanity's-last-examreasoning0.111.000.11nonoui2026-11-04T06:05:12.457633Z
ifevalchat0.851.000.85nonoui2026-11-04T06:05:12.428466Z
livecodebench-v6reasoning0.721.000.72nonoui2026-11-04T06:05:12.416483Z
math-500math0.991.000.99nonoui2026-11-04T06:05:12.413574Z
mmlugeneral0.911.000.91nonoui2026-11-04T06:05:12.419278Z
mmlu-prolanguage0.821.000.82nonoui2026-11-04T06:05:12.422090Z
swe-bench-verifiedreasoning0.451.000.45nonoui2026-11-04T06:05:12.454890Z

Classements

CatégorieRangScoreNote conservatriceBenchmarks évaluésMéthodeDaté duProvenance
agents168—5.261trueskill2026-10-20model_history
code271—-2.051trueskill2026-10-20model_history

Lecture : Note conservatrice = borne basse TrueSkill (niveau estimé − marge d’incertitude) ; Benchmarks évalués = nombre de benchmarks de la catégorie pris en compte. À performances égales, un modèle évalué sur moins de benchmarks obtient une note plus basse : la note ne se déduit pas d’un seul score. Provenance : rankings = top 50 de /rankings ; model_history = historique du modèle (/models/{id}/history), utilisé pour les rangs au-delà du top 50.

Données

Dates de curation (récupération depuis l'API) : models 2026-11-04 · benchmarks 2026-11-04 · scores 2026-11-04 · updates 2026-11-04 · account 2026-11-04 · model_history 2026-11-04 · rankings 2026-11-04