인도의 사르밤과 크루트림은 현지 수요에 맞춘 경제적인 AI 모델을 구축합니다.
인도의 특정 제약을 위한 절약형 AI
인도의 언어적 다양성과 인프라 한계에 대응하여, 여러 인도 AI 프로젝트는 컴퓨팅 집약적인 실리콘밸리 접근법과 다른 가볍고 비용 효율적인 모델을 구축하고 있습니다. 2020년 IIT Madras에서 시작된 AI4Bharat는 저사양 스마트폰과 낮은 대역폭 네트워크에서 실행되는 시스템을 구축하며, 인도 언어와 현실적 제약에 맞춤화된 AI 도구에 초점을 맞추고 있습니다.
Sarvam AI의 접근 방식과 모델
Vivek Raghavan과 Pratyush Kumar가 공동 창립한 Sarvam AI는 인도의 다양한 언어적·문화적 풍경을 위한 풀스택 AI 솔루션을 개발합니다. 이 회사는 Aadhaar와 통합 결제 인터페이스(UPI)에 사용된 것과 유사한 절약형 설계 원칙을 기반으로 합니다.
주요 모델은 다음과 같습니다:
- SarvamM: 10개 인도 언어로 훈련된 240억 개 파라미터 대규모 언어 모델
- Sarvam 2B 및 Sarvam-M: 현지 언어로 의료 추론 및 증상 분류에 맞춤화된 모델
의료 및 교육 분야의 실용적 응용
의료 분야에서 Sarvam AI는 음성 기반 다국어 대화 에이전트를 배포하여 농촌 환자들이 WhatsApp 및 낮은 대역폭 인터페이스를 통해 의료 조언에 접근할 수 있도록 합니다. 이러한 시스템은 고사양 장치나 지속적인 인터넷 연결 없이도 환자 기록을 요약하고, 진단 지침을 제공하며, 사례를 우선순위화할 수 있습니다.
교육 분야에서 Sarvam의 모델은 코드 혼합 질의를 이해하고 학생들의 모국어로 맞춤형 지도를 제공할 수 있는 지역 언어 학습 도우미를 가능하게 합니다. 이러한 가볍고 최적화된 모델은 수학 및 프로그래밍 수업을 지역 교육 맥락에 맞게 조정합니다.
기술적 및 전략적 접근
Sarvam AI는 수익 창출 스타트업으로 운영되며, 인도 전역에 AI의 영향을 확대하기 위해서는 상당한 투자와 시장 경쟁이 필요하다고 믿습니다. 이 회사의 전략은 AI 모델을 오픈소스화하고 인도 기업들과 협력하여 도메인 특화 솔루션을 구축하는 것을 포함합니다. 그들의 목표는 스마트폰을 가진 8억 인도인에게 생성형 AI를 제공하는 것입니다.
이 접근 방식은 데이터 프라이버시와 문화적 뉘앙스를 존중하는 주권 AI 모델을 강조하며, 글로벌 영어 중심 모델이 부족한 인도의 22개 공식 언어와 1,600개 이상의 방언을 해결합니다.
📖 Read the full source: HN AI Agents
👀 See Also
OpenClaw 개발자, Driftwatch V3 빌드 중 컨텍스트 압축 문제 보고
OpenClaw 개발자가 Driftwatch V3 빌드의 스프린트 2-4를 완료했지만, 컨텍스트 압축 문제로 인해 AI 에이전트의 메모리가 세션 중간에 삭제되어 스프린트 요약을 사용한 수동 개입으로 진행 상황을 복구해야 했습니다.
클로드 AI, 백업 발견 및 무차별 대입 버그 수정으로 11년 된 40만 달러 상당 비트코인 지갑 복구
한 사용자가 11년 전 대학 시절 컴퓨터 파일 전체를 Claude에 입력하여 5 BTC(약 $400K 상당) 지갑을 복구했습니다. AI는 오래된 백업 지갑을 찾아내고 btcrecover의 비밀번호 조합 로직에서 버그를 식별하여 성공적으로 암호 해독을 가능하게 했습니다.
Harmonic-9B: AI 에이전트를 위한 2단계 Qwen3.5-9B 미세 조정
개발자 DJLougen이 두 단계 학습 접근법으로 에이전트 사용에 최적화된 Qwen3.5-9B 파인튜닝 모델인 Harmonic-9B를 공개했습니다. 1단계(심층 추론)는 완료되었으며, 2단계(경량 도구 호출)는 아직 학습 중입니다. GGUF 양자화 버전은 이미 사용 가능합니다.
OpenRouter에 두 가지 새로운 모델이 등장했으며, 아마도 DeepSeek V4의 변종일 가능성이 있습니다.
OpenRouter에 healer-alpha와 hunter-alpha라는 두 가지 새로운 모델이 등장했으며, 이들의 사양은 유출된 DeepSeek V4 정보와 일치합니다. 초기 테스트 결과, 두 모델 모두 롤플레잉 시나리오에서 우수한 성능을 보이며 메시지 필터링이 없고 GLM 5.0보다 빠른 토큰 생성을 보여줍니다.