Toegevoegd na onze eerdere berichtgeving. De oorspronkelijke brondatum staat hieronder; dit is geen nieuwe aankondiging van vandaag.

Wat is er gebeurd

Sarvam Prism geeft in één doorgang kansen voor vooraf opgegeven antwoorden. Er zijn gewichten onder Apache 2.0 en een gehoste API. Lokaal is volgens de modelkaart circa 120 GB vrij GPU-geheugen nodig. Hindsights hs-decide-1-flash beoordeelt het geheugen van agenten. Ook hs-rerank-1 en hs-embed-1 zijn als gewichten en via een API beschikbaar. Het beslismodel gebruikt Apache 2.0, de andere twee MIT.

iNC / Analyse

Waarom het belangrijk is

Prism kan een supportticket doorsturen, Hindsight kan een irrelevante herinnering uitsluiten. Sarvam gebruikte drie indices; Hindsight testte onder meer het terugvinden van herinneringen. De gemiddelden vormen geen gezamenlijke ranglijst.

Wat we volgen

Test ook zeldzame keuzes en meet niet alleen snelheid, maar ook welke relevante informatie onterecht wegvalt.

Bronnen en verificatie

Het aantal bronlinks is niet het aantal onafhankelijke bevestigingen.

01
Sarvam: Introducing Sarvam PrismPrimaire bron · www.sarvam.ai · 3 nov 2026
02
Hindsight: Introducing Hindsight ModelsPrimaire bron · hindsight.vectorize.io · 3 nov 2026
03
Sarvam Prism model cardPrimaire bron · huggingface.co · 3 nov 2026
Meld een correctie

Help ons fouten te herstellen

Vermeld de betwiste uitspraak en zo mogelijk een bronlink. Stuur geen persoonlijke of gevoelige gegevens.