Skip to content
Param2 de BharatGen, publicado en febrero de 2026, es un modelo de 17.000 millones de parámetros para inglés y las 22 lenguas indias del Anexo que usa 2.400 millones de parámetros por cada token
IA y tecnología

Param2 de BharatGen, publicado en febrero de 2026, es un modelo de 17.000 millones de parámetros para inglés y las 22 lenguas indias del Anexo que usa 2.400 millones de parámetros por cada token

Ilustración de tuput

Español

BharatGen, el consorcio con sede en el IIT Bombay, publicó Param2 en la Cumbre de Impacto de la IA de la India de febrero de 2026. Es un modelo de razonamiento de mezcla de expertos que, según BharatGen, preentrenó desde cero con unos 22,5 billones de tokens, con los pesos disponibles para descargar bajo una licencia de investigación no comercial.

· · 10 min de lectura

BharatGen, el consorcio financiado por el Gobierno con sede en el IIT Bombay, publicó Param2 en la Cumbre de Impacto de la IA de la India, celebrada en Nueva Delhi, durante la semana del 16 de febrero de 2026. Es un modelo de lenguaje con 17.000 millones de parámetros, los números ajustables que un modelo aprende en el entrenamiento, de los cuales unos 2.400 millones trabajan con cada token, que es una palabra o un trozo de palabra. El consorcio dice que preentrenó el modelo desde cero, no a partir del modelo de otro, y que maneja el inglés y las 22 lenguas del Octavo Anexo de la India. Según el consorcio, los pesos están en Hugging Face y en AIKosh, la biblioteca de modelos y conjuntos de datos de la Misión IndiaAI.

Las fuentes difieren en el día. Business Today informa del lanzamiento el 16 de febrero, la entrada de BharatGen y el comunicado de la Oficina de Información de Prensa (PIB) llevan fecha del 17 de febrero, y Business Standard informó del anuncio el 18 de febrero. Todas las cifras de rendimiento que siguen son de la propia BharatGen, y ninguna de las páginas consultadas informa de una prueba de Param2 realizada por alguien ajeno al consorcio.

Nueve instituciones, dos fuentes de dinero

El consorcio lo forman nueve instituciones, según su balance de dos años del 15 de octubre de 2026: IIT Bombay, IIIT Hyderabad, IIT Mandi, IIT Kanpur, IIT Hyderabad, IIM Indore, IIIT Delhi, IIT Madras e IIT Kharagpur. El Departamento de Ciencia y Tecnología lo respalda desde su lanzamiento en Nueva Delhi en octubre de 2024. El comunicado del PIB del 17 de febrero de 2026 cifra la financiación en 235 crore de rupias de la Misión Nacional de Sistemas Ciberfísicos Interdisciplinarios del departamento y un desembolso adicional de 1.058 crore de rupias de la Misión IndiaAI. Cómo funcionan las ayudas de esa misión se explica en un artículo sobre las GPU, los modelos y el dinero de la Misión IndiaAI.

Param2 sigue a Param1, un modelo de 2.900 millones de parámetros para hindi e inglés que BharatGen describió en un preprint de arXiv el 16 de julio de 2025. Param1 se entrenó con 7,5 billones de tokens, según el balance. Siete meses después, Param2 tiene casi seis veces más parámetros totales, unas tres veces más texto de entrenamiento y 23 lenguas en lugar de dos, según el cálculo de tuput a partir de esas cifras.

La capacidad de cómputo llegó a través de la Misión IndiaAI, según el relato de BharatGen. Rishi Bal, su director ejecutivo, dijo a Business Today el 16 de febrero que las GPU usadas hasta entonces de la misión se habían dedicado a entrenar Param2 y que el proyecto había empleado unas 4.000 de ellas durante más de un mes. El entrenamiento duró 24 días con GPU NVIDIA H100 y el software NeMo de NVIDIA, dice la ficha del modelo, y Business Standard informó de que NVIDIA colaboró en la cadena de entrenamiento. Ni la ficha ni la entrada dan un número de GPU, y las 576 horas que la ficha enumera como horas de GPU equivalen a 24 días de tiempo transcurrido, de modo que los dos relatos no pueden compararse con las cifras publicadas.

Diecisiete mil millones almacenados, 2.400 millones en funcionamiento

En cuanto a la arquitectura, es un modelo de mezcla de expertos. En lugar de pasar cada token por toda la red, un pequeño enrutador elige para cada uno unas pocas subredes especializadas, llamadas expertos. El archivo de configuración de Hugging Face enumera 64 expertos enrutados, con 6 elegidos por token, más 2 expertos compartidos que siempre se ejecutan, repartidos en 21 capas, la primera de ellas una capa densa corriente. La atención usa 32 cabezas de consulta que comparten 8 cabezas de clave y valor. Una explicación de la mezcla de expertos sigue el diseño desde un artículo de 1991 hasta el modelo de 105.000 millones de parámetros de Sarvam.

Un hospital es la propia analogía de BharatGen: un paciente ve a un médico general y a unos pocos especialistas pertinentes, no a todos los médicos del edificio. Según la ficha del modelo, los dos expertos compartidos mantienen una representación estable entre lenguas, lo que ayuda con el cambio de código, la mezcla de hindi e inglés en una misma frase, y permite que lo que el modelo aprende en una lengua pase a otras. El cómputo se dirige a solo unos 2.400 millones de parámetros por token, dice BharatGen, de modo que el modelo funciona al coste de uno mucho más pequeño.

La memoria es el coste. Todos los parámetros permanecen cargados aunque solo trabaje una fracción cada vez, y la página de Hugging Face cuenta 17.151.125.376 parámetros en los pesos almacenados, en archivos que suman 34,3 GB, lo que coincide con los 34 GB de memoria de GPU que da la entrada de BharatGen para cargar el modelo en bfloat16, un formato numérico de 16 bits.

Con qué se entrenó

La ficha del modelo muestra tres fases de preentrenamiento. La primera abarca 14,05 billones de tokens, con el inglés en 8,5 billones, el código en 1,83 billones, 998.600 millones de tokens en hindi y 1,5 billones de tokens en las demás lenguas indias juntas. El hindi y las demás lenguas indias suponen cerca del 18 por ciento, según el cálculo de tuput. La segunda fase se apoya en datos de inglés, código, matemáticas, instrucciones y razonamiento, y una tercera fase de 500.000 millones de tokens se etiqueta como preentrenamiento de contexto largo. Los datos de lenguas indias se filtraron con clasificadores de calidad construidos para 22 lenguas, dice BharatGen.

Unos 22,5 billones de tokens es la cifra principal de la ficha, y su total combinado figura como 22,63 billones. Las filas de la segunda fase que enumera suman 7,14 billones de tokens frente a un total declarado de 8,08 billones para esa fase, una diferencia de unos 0,94 billones que la ficha no explica. El informe de Analytics India Magazine sobre el lanzamiento da 22 billones.

Un tokenizador es la pieza que corta el texto en tokens, y Param2 tiene el suyo. Su vocabulario contiene 128.000 entradas, dice BharatGen, construido mediante codificación por pares de bytes y entrenado con todas las lenguas de destino, de modo que las palabras de las lenguas indias se dividen en menos piezas que en los modelos globales. En la entrada no aparece ninguna cifra de piezas por palabra. Lo que han medido otros equipos se recoge en un artículo sobre la fertilidad de los tokenizadores en las lenguas indias. Su ventana de contexto, la cantidad de texto que puede leer de una vez, es de 32.768 tokens.

Un modelo de razonamiento con comentarios en telugu en su código

La versión publicada en Hugging Face es un modelo de razonamiento. Antes de su respuesta escribe un rastro paso a paso entre etiquetas de pensamiento, y el repositorio incluye un pequeño analizador que separa el rastro, las llamadas a herramientas y la respuesta final. También cubre código, matemáticas y llamadas a herramientas, dice la entrada, y la ficha del modelo muestra tres ejemplos de salida: un problema de promedio de varios pasos, una búsqueda binaria en Python con todos los comentarios escritos en telugu, y una respuesta en hindi sobre por qué difieren las lenguas, la comida y las fiestas entre los estados de la India.

Las 22 lenguas son las del Octavo Anexo, que nuestra explicación enumera. El hindi, el maratí, el guyaratí y el tamil figuran entre las más sólidas, dice la entrada, y la calidad varía según la cantidad de datos de entrenamiento que tenga una lengua.

Las puntuaciones y dos tablas que difieren

Cuatro modelos abiertos sirven de comparación en ambas: Qwen1.5-MoE-A2.7B, DeepSeek-R1-Distill-Qwen-14B, DeepSeek-V2-Lite y gpt-oss-20b. Las puntuaciones son de cero disparos, es decir, la consigna no lleva ejemplos resueltos, ejecutadas con LM Evaluation Harness, un conjunto de herramientas de pruebas abierto, y con el pensamiento desactivado en todos los modelos. Eso significa que las cifras no recogen lo que aporta el rastro de razonamiento, dice la entrada.

En inglés, matemáticas y código, la entrada y la ficha coinciden:

PruebaPuntuación de Param2Puesto entre los cinco modelos
ARC Challenge (inglés)56,831.º
HellaSwag (inglés)77,432.º
MMLU (inglés)57,794.º
GSM8K (matemáticas)57,323.º
HumanEval (código)36,591.º
IFEval (seguimiento de instrucciones)34,052.º

En las pruebas en lenguas indias las dos difieren. Param2 queda primero en cinco en la entrada de lanzamiento del 17 de febrero, con MMLU en hindi en 59,23, HellaSwag en hindi en 49,63, Indic BoolQ en 75,98, ARC Challenge (indio) en 36,37 y TriviaQA (indio, opción múltiple) en 72,95, y tercero en la prueba de conocimiento cultural Sanskriti, con 66,54. La ficha del modelo, tal como se leyó el 19 de noviembre de 2026, da 64,1, 64,1, 87,7, 90,1, 84,14 y 88,6 para las mismas seis pruebas en ese orden, primero en las seis. El pensamiento estaba desactivado en ambas, y los dos promedios indios abarcan 10 lenguas en cada versión. Hugging Face muestra la ficha modificada por última vez el 18 de noviembre de 2026, y no dice si cambiaron el modelo o los ajustes de las pruebas. La página de modelos de texto sigue mostrando las cifras de la entrada, que etiqueta como la versión de febrero.

El único documento externo que trata los resultados publicados de Param2 es un estudio, no una prueba ejecutada. En un preprint del 12 de agosto de 2026 (revisado el 16 de agosto), Avinash Agarwal y Vridhi Jain compararon modelos fundacionales indios usando solo puntuaciones comunicadas públicamente. Los autores escriben que Param2 comunica resultados limitados, concentrados en pruebas en lenguas indias, y que la mayoría de los resultados comunicados para modelos indios son de los propios desarrolladores. El entrenamiento de Param2 se clasifica como plenamente autóctono de forma provisional, y los autores dicen que no verificaron de manera independiente todos los elementos de esa clasificación.

La página de informes técnicos enumera artículos sobre Param1, AyurParam y un asistente de consejos agrícolas, y un libro blanco de septiembre de 2026 sobre una pila de IA soberana que evaluó Param2 en razonamiento. Ninguno trata del propio Param2 a fecha de 19 de noviembre de 2026. La entrada llama a la publicación un punto de control temprano posterior al entrenamiento que necesita más ajuste fino y alineación de seguridad antes de su uso en producción, y Bal dijo a Business Today que es un punto de control que los desarrolladores pueden ajustar.

Quién puede descargarlo y en qué condiciones

El repositorio de Hugging Face se creó el 16 de febrero de 2026 y se modificó por última vez el 18 de noviembre de 2026. La página mostraba 167.875 descargas en total y 86 me gusta el 19 de noviembre. Su propia página de modelos de texto habla de 167.000 o más descargas de Param2 y 219.000 o más de la familia Param. BharatGen enumera hospitales, gobiernos estatales, un ministerio y una redacción como socios que construyen sobre sus modelos, y sus páginas no dicen cuáles de ellos usan Param2. El artículo de tuput sobre EKA-1 y Dhīr trata de otras dos publicaciones de modelos de la Misión IndiaAI.

Las páginas de BharatGen llaman a la publicación de pesos abiertos. Su licencia es la BharatGen Research License, actualizada por última vez el 7 de agosto de 2025, y permite el uso, la modificación y la distribución con fines de investigación y académicos no comerciales. Exige permiso por escrito del equipo jurídico de BharatGen para el uso comercial, para publicar, ajustar o desplegar públicamente el modelo o sus derivados, y para ofrecerlo mediante cualquier servicio alojado o API, aunque sea gratuito. Los usuarios son dueños de los resultados que generan, con el límite de lo no comercial. Una empresa que quiera construir un producto sobre Param2 debe, por tanto, escribir primero a BharatGen.

Bal dijo en febrero que cabía esperar «modelos progresivamente más grandes a lo largo de este año». A fecha de 19 de noviembre de 2026, la página de modelos de texto de BharatGen sigue mostrando Param2 como su modelo insignia, y la ficha del modelo sigue diciendo que una variante con una ventana de contexto de 128.000 tokens «se publicará pronto».

Share
Copied!

Fuentes y lecturas adicionales

  1. BharatGen: Param2, what we built and how (17 February 2026)
  2. Hugging Face: bharatgenai/Param2-17B-A2.4B-Thinking, model page and card (read 19 November 2026)
  3. Hugging Face: Param2-17B-A2.4B-Thinking, config.json
  4. Hugging Face: Param2-17B-A2.4B-Thinking, LICENSE (BharatGen Research License, 7 August 2025)
  5. PIB: The Artificial Intelligence is no longer an option but an essential component of working in every sphere of life, Dr Jitendra Singh at the BharatGen session (17 February 2026)
  6. BharatGen: Param, language models for India (text models page, read 19 November 2026)
  7. BharatGen: Two years of BharatGen (15 October 2026)
  8. BharatGen: Technical reports (read 19 November 2026)
  9. arXiv 2507.13390: PARAM-1 BharatGen 2.9B Model (16 July 2025)
  10. arXiv 2608.11891: Benchmark-Based Comparative Assessment of Publicly Benchmarked Indian Foundation Models, Agarwal and Jain (12 August 2026, revised 16 August)
  11. Business Today: BharatGen to launch 17-billion-parameter multilingual AI model at India AI Impact Summit (12 February 2026)
  12. Business Today: Most real-world use cases don't need trillion-parameter AI, BharatGen CEO Rishi Bal on Param 2 launch (16 February 2026)
  13. Analytics India Magazine: After Param2, BharatGen unveils Patram, Sooktam and Shrutam AI models at India AI Impact Summit (17 February 2026)
  14. Business Standard: BharatGen unveils Param2 17B multilingual MoE model under sovereign AI push (18 February 2026)

Investigado y escrito con ayuda de herramientas de IA, y editado para verificar su exactitud. Se ofrece solo como información general y para el debate, no como asesoramiento profesional. Consulta nuestros criterios editoriales y nuestro aviso legal. ¿Has visto un error? Dínoslo.

#param2#bharatgen#indian language models#mixture of experts#iit bombay#india ai impact summit#indiaai mission#hugging face

¿Te ha gustado? Recibe el siguiente.

Una buena lectura cada vez, directa a tu correo. Sin spam, cancela cuando quieras.

Más en IA y tecnología
La Misión IndiaAI tiene más de 38.000 GPU a 65 rupias la hora, 12 desarrolladores de modelos financiados y modelos abiertos de Sarvam entrenados con cómputo de la misión, con otras 20.000 GPU anunciadas en febrero de 2026
El cómputo se cobra a 65 rupias la hora, los primeros modelos ya salieron y la cumbre de febrero reunió a más de 100 países. Lo que dicen los propios documentos del gobierno sobre cada pilar de la misión, y las opiniones de Carnegie India, Takshashila y un director de investigación vinculado al IISc.
El modelo de 105 mil millones de parámetros de Sarvam calcula con 10,3 mil millones por cada token, con el diseño de mezcla de expertos que va de un artículo de 1991 a Mixtral y DeepSeek
Un pequeño enrutador envía cada palabra a unas pocas de 128 subredes, de modo que la mayor parte del modelo queda inactiva para cada palabra. De dónde salió el diseño, cómo lo usan Mixtral, DeepSeek y Sarvam, y qué es lo que no ahorra.
DeepSeek V4.1-Flash, un modelo de pesos abiertos de 552.000 millones de parámetros publicado el 10 de septiembre de 2026, reduce su caché de memoria por token a 890 bytes, cerca de una cuarta parte de la de su predecesor
La memoria a corto plazo de un modelo sobre una conversación larga es cara de mantener. El lanzamiento de septiembre de DeepSeek la comprime por diseño, y su propio informe dice dónde el modelo aún se queda atrás. Aquí están el mecanismo, la cronología desde 2024 y lo que han comprobado terceros.
← todos los artículos