India Perkenalkan Model AI EKA-1 dan Dhir dengan Sokongan Bahasa India dan Keupayaan Luar Talian

Tiga model AI India menyasarkan bahasa tempatan dan pengkomputeran peribadi

India memperkenalkan tiga model kecerdasan buatan yang dibangunkan dalam negara di bawah Misi IndiaAI: EKA-1 daripada Soket Labs serta Dhir 2B dan Dhir 5B daripada ZenteiQ. Pengumuman pada November 2026 itu menggabungkan dua keutamaan program AI negara berkenaan: perisian yang berfungsi dalam bahasa India dan alat yang boleh melaksanakan tugasan berguna tanpa sambungan internet yang berterusan.

EKA-1 mempunyai 26.3 bilion parameter dan menyokong bahasa Inggeris serta kesemua 22 bahasa yang disenaraikan dalam Jadual Kelapan Perlembagaan India. Model Dhir yang lebih kecil masing-masing mempunyai dua bilion dan lima bilion parameter serta menyokong bahasa Inggeris dan 10 bahasa India. Pembangunnya menyatakan model itu boleh digunakan untuk pelbagai keperluan, daripada menjawab soalan tentang dokumen hingga membantu dalam matematik, pengaturcaraan dan urusan institusi.

S. Krishnan, setiausaha Kementerian Elektronik dan Teknologi Maklumat, menghadiri pelancaran itu bersama pegawai kementerian dan IndiaAI. Beliau berkata model yang dibangunkan dalam negara boleh mengukuhkan kebebasan teknologi India serta menyokong kerja dalam kerajaan, industri, penyelidikan, pendidikan dan keselamatan siber.

Manfaat praktikal yang paling segera ialah pilihan yang lebih luas tentang tempat AI dijalankan. Sesebuah organisasi boleh menggunakan model pada komputernya sendiri, manakala sesetengah aplikasi mudah alih boleh memproses permintaan terus pada telefon. Bagi institusi yang mengendalikan dokumen sensitif, pendekatan ini membolehkan AI digunakan sambil memastikan maklumat kekal dalam persekitaran pengkomputeran mereka sendiri.

Akses kepada model-model ini disediakan melalui AIKosh untuk penyelidik, pelajar, syarikat pemula, syarikat dan orang ramai. ZenteiQ juga merancang aplikasi mudah alih percuma. Oleh itu, pengumuman ini merangkumi model asas yang boleh digunakan pembangun untuk menghasilkan aplikasi serta kaedah yang dicadangkan untuk orang ramai menggunakannya secara langsung.

Fungsi yang direka untuk EKA-1

Soket Labs membangunkan EKA-1 untuk tugasan termasuk matematik, pengekodan dan penaakulan, iaitu proses meneliti maklumat untuk menghasilkan jawapan. Ketua Pegawai Eksekutif Abhishek Upparwal menyifatkan perbankan, perkhidmatan kewangan dan keselamatan siber sebagai bidang tumpuan khusus, dengan model itu direka berdasarkan keperluan ekonomi digital India.

Model asas ialah sistem AI yang dilatih secara meluas agar dapat menyokong beberapa aplikasi. Pembangun boleh membina alat yang lebih khusus berasaskannya, seperti perkhidmatan yang menjawab soalan tentang dokumen kewangan atau perisian yang membantu pengatur cara menulis kod. EKA-1 bertujuan menyediakan keupayaan asas itu, bukannya hanya melaksanakan satu tugasan khusus.

Parameter EKA-1 yang berjumlah 26.3 bilion ialah nilai angka dalaman yang diselaraskan semasa latihan. Nilai ini membantu sistem mengenal pasti corak dan menjana respons. Jumlah parameter menunjukkan skala model, namun pengguna juga perlu mempertimbangkan mutu bahasa, ketepatan respons, kelajuan dan sumber pengkomputeran yang diperlukan untuk tugasan tertentu.

Jumlah latihan yang dinyatakan bagi EKA-1 ialah kira-kira 7.5 trilion token. Token ialah bahagian yang digunakan untuk memecahkan teks bagi tujuan pemprosesan, yang kadangkala terdiri daripada seluruh perkataan dan kadangkala hanya sebahagian perkataan. Angka kedua yang diterbitkan menyatakan jumlah itu sebagai 7.5 lakh crore token, bersamaan 75 trilion. Ini menunjukkan terdapat percanggahan ketara dalam jumlah latihan yang dinyatakan.

Dua skop berbeza bagi sokongan bahasa India

Sokongan EKA-1 terhadap bahasa Inggeris dan kesemua 22 bahasa India yang dijadualkan menjadi teras peranannya dalam negara. Huraian yang lebih luas turut menyatakan liputannya merangkumi lebih 100 bahasa India dan asing, selain bahasa pengaturcaraan. Angka bahasa berjadual menunjukkan liputan bahasa India yang dinyatakan, manakala angka lebih besar itu menggambarkan julat yang lebih luas.

Dhir 2B dan Dhir 5B dinyatakan menyokong bahasa Inggeris dan 10 bahasa India. Saiznya yang lebih kecil serta liputan bahasa yang dinyatakan lebih terhad memberi institusi pilihan yang berbeza daripada EKA-1, bergantung pada dokumen, bahasa dan peralatan yang digunakan.

Bagi pelajar atau kakitangan awam, sokongan bahasa boleh menentukan sama ada alat AI berguna dalam tugas harian. Pembantu dokumen yang menerima bahasa yang digunakan di pejabat atau bilik darjah boleh mengurangkan keperluan menterjemah soalan ke bahasa Inggeris sebelum mengemukakannya. Namun, huraian pelancaran itu tidak memberikan keputusan prestasi mengikut bahasa atau skor ketepatan yang boleh dibandingkan bagi ketiga-tiga model.

Sebab model Dhir lebih kecil

Ketua Pegawai Eksekutif ZenteiQ, Profesor Sashikumaar Ganesan, menyifatkan Dhir 2B dan Dhir 5B sebagai model kompak, sambil menjelaskan saiznya semasa pelancaran:

Kami telah melancarkan dua model kecil. Kami menyebutnya model kompak... yang kami lancarkan ialah model dengan dua bilion dan kemudian lima bilion parameter...

EKA-1 mempunyai kira-kira 5.3 kali ganda parameter berbanding Dhir 5B dan kira-kira 13.2 kali ganda berbanding Dhir 2B. Perbandingan itu berdasarkan jumlah yang diumumkan, iaitu 26.3 bilion, lima bilion dan dua bilion. Model yang lebih kecil biasanya memerlukan kurang memori untuk menyimpan parameternya, sekali gus menjadikannya sesuai dipertimbangkan untuk peranti dengan sumber yang lebih terhad.

ZenteiQ berkata modelnya boleh dijalankan terus pada peranti mudah alih dan pelbagai platform pengkomputeran. Ganesan menerangkan pengalaman yang disasarkan sebagai usaha memberi akses kepada orang ramai tanpa menghantar setiap permintaan kepada perkhidmatan jauh:

Kami boleh menjalankan model ini pada peranti mudah alih kami sendiri... pengguna boleh mendapatkan penyelesaian AI terus di tangan mereka tanpa perlu menggunakan awan, yang pertama...

Model Dhir bertujuan mendapatkan maklumat daripada dokumen, menjawab soalan dan menyokong tugas rutin. Organisasi pertahanan, jabatan kerajaan, perniagaan perindustrian dan institusi pendidikan antara pengguna yang dicadangkan.

Maksud operasi tanpa internet

Perkhidmatan AI yang diakses melalui awan biasanya menghantar permintaan kepada komputer di lokasi lain untuk diproses sebelum jawapan dikembalikan. Menjalankan model secara setempat memindahkan pemprosesan itu ke telefon atau peralatan milik organisasi sendiri. Selepas perisian dan model yang diperlukan dipasang, tugasan yang sesuai boleh diteruskan tanpa sambungan internet langsung.

Krishnan menekankan potensi model-model ini untuk beroperasi dalam rangkaian komputer selamat yang tidak mempunyai akses internet. Rangkaian sedemikian digunakan oleh pejabat kerajaan dan institusi sensitif lain yang mengehadkan sambungan kepada perkhidmatan luar. Sebagai contoh, pembantu dokumen setempat boleh membantu kakitangan mencari bahan dalaman sambil pemprosesan kekal dalam organisasi.

Pendekatan berasaskan peranti ZenteiQ juga boleh digunakan di kawasan yang sambungan internetnya lemah atau terputus-putus. Pengguna tidak terlalu bergantung pada sambungan yang stabil untuk setiap permintaan. EKA-1 juga dinyatakan mampu melaksanakan sesetengah tugasan pada telefon bimbit, walaupun dakwaan penggunaan mudah alih yang paling kukuh tertumpu pada model Dhir yang kompak.

Menyimpan maklumat pada peranti memberi pemiliknya lebih kawalan terhadap lokasi pemprosesan. Organisasi masih perlu mengurus akses kepada fail, melindungi peralatannya dan menentukan dokumen yang boleh digunakan oleh sesuatu aplikasi. Oleh itu, privasi bergantung pada cara keseluruhan aplikasi digunakan, selain keupayaan model untuk beroperasi secara setempat.

Pengkomputeran awan membantu membangunkan model untuk kegunaan setempat

Model Dhir dibangunkan dengan bantuan unit pemprosesan tensor Google Cloud atau TPU. Ini ialah pemproses khusus yang digunakan untuk jumlah pengiraan besar yang diperlukan dalam AI. Model-model itu juga dinyatakan boleh beroperasi pada sistem yang menggunakan unit pemprosesan grafik atau GPU.

Latihan dan penggunaan harian ialah dua peringkat yang berbeza. Latihan melaraskan nilai dalaman model dengan memproses sejumlah besar bahan. Menjalankan model yang telah siap untuk menjawab soalan dipanggil inferens. Pembangun boleh menggunakan peralatan awan berkuasa semasa latihan, kemudian mengedarkan model yang menjalankan inferens pada perkakasan setempat.

Misi IndiaAI menyokong kedua-dua pembangun dengan sumber pengkomputeran pada kadar lebih rendah serta bantuan untuk perbelanjaan penyelidikan. Sokongan itu menangani kos praktikal utama dalam menghasilkan model asas: mendapatkan kapasiti pengkomputeran yang mencukupi untuk melatih dan membangunkannya.

Krishnan mengaitkan inisiatif itu dengan autonomi teknologi dan strategik. Dari sudut praktikal, pembangunan dalam negara memberikan organisasi India satu lagi sumber model yang direka mengikut bahasa tempatan dan keperluan institusi, dengan pilihan untuk menggunakannya pada infrastruktur yang dikawal oleh mereka.

Cara orang ramai mengakses model

AIKosh ialah saluran akses yang diumumkan untuk penyelidik, pelajar, syarikat pemula, perniagaan dan pengguna individu. Bagi pembangun, akses kepada model asas membuka peluang untuk membina aplikasi berasaskan dokumen atau tugasan tertentu. Bagi institusi, langkah seterusnya ialah memilih cara penggunaan yang sesuai dengan peralatan, bahasa dan peraturan maklumat mereka.

ZenteiQ merancang untuk menyediakan aplikasi mudah alihnya secara percuma melalui Play Store dan pada iOS. Ganesan turut berkata syarikat itu bercadang memperkenalkan model dengan sembilan bilion parameter, sekali gus memperluas rangkaiannya selain Dhir 2B dan Dhir 5B.

Pengumuman itu tidak menyatakan tarikh keluaran aplikasi mudah alih atau model sembilan bilion parameter yang dirancang. Ia juga tidak memperincikan konfigurasi telefon yang disokong, keperluan memori, saiz muat turun dan terma pelesenan model, iaitu butiran yang penting bagi mereka yang ingin menentukan sama ada mereka boleh memasang atau membangunkan perisian itu.

Pelancaran itu sendiri dinyatakan berlangsung pada Selasa, iaitu 3 November pada 2026, manakala 4 November turut disebut sebagai tarikh pengumuman. Kedua-dua keterangan itu meletakkan pengenalan ketiga-tiga model pada minggu yang sama.

Perubahan bagi institusi dan pengguna

Jabatan kerajaan dan perniagaan kini mempunyai tiga lagi model domestik untuk dipertimbangkan bagi tugasan bahasa dan dokumen. Pilihan mereka berbeza dari segi skala: EKA-1 menggabungkan jumlah parameter yang lebih besar dengan liputan bahasa yang dinyatakan lebih luas, manakala model Dhir menumpukan operasi kompak, termasuk penggunaan pada peranti mudah alih.

Perbankan dan keselamatan siber ialah sasaran khusus Soket Labs. Mendapatkan dokumen dan menjawab soalan tentang maklumat dalaman pula antara kegunaan utama Dhir. Sekolah, penyelidik dan badan awam juga boleh membina aplikasi berasaskan keupayaan itu dengan memilih model dan persediaan pengkomputeran yang sesuai untuk kerja mereka.

Perkembangan konkrit seterusnya ialah akses yang lebih luas melalui AIKosh, aplikasi mudah alih percuma yang dicadangkan dan model lebih besar yang dirancang oleh ZenteiQ. Bagi pengguna, manfaat praktikalnya bergantung pada sejauh mana sistem ini dapat mengendalikan bahasa, dokumen dan peranti mereka.

Perkara Utama

• India memperkenalkan EKA-1, Dhir 2B dan Dhir 5B di bawah Misi IndiaAI pada November 2026.
• EKA-1 mempunyai 26.3 bilion parameter dan menyokong bahasa Inggeris serta kesemua 22 bahasa India yang dijadualkan.
• Dhir 2B dan Dhir 5B menyokong bahasa Inggeris dan 10 bahasa India serta direka untuk penggunaan kompak, termasuk pada peranti mudah alih.
• Pemprosesan setempat boleh menyokong tugasan dokumen di institusi yang mengehadkan akses internet dan di kawasan yang sambungannya terhad.
• Misi IndiaAI membantu pembangun dengan sumber pengkomputeran dan perbelanjaan penyelidikan.
• AIKosh ialah platform akses yang diumumkan; aplikasi mudah alih ZenteiQ percuma dan model dengan sembilan bilion parameter sedang dirancang.