चित्रण: tuput
हिन्दी
IIT बॉम्बे में टिके संघ भारतजेन ने फ़रवरी 2026 में इंडिया एआई इम्पैक्ट समिट में Param2 जारी किया। यह मिक्सचर-ऑफ-एक्सपर्ट्स वाला रीज़निंग मॉडल है, जिसे भारतजेन के अनुसार लगभग 22.5 खरब टोकन पर शुरू से प्रीट्रेन किया गया, और जिसके वेट गैर-व्यावसायिक शोध-लाइसेंस के तहत डाउनलोड के लिए रखे गए हैं।
सरकारी धन से चलने वाले संघ भारतजेन ने, जो IIT बॉम्बे में टिका है, 16 फ़रवरी 2026 वाले सप्ताह में नई दिल्ली के इंडिया एआई इम्पैक्ट समिट में Param2 जारी किया। यह 17 अरब पैरामीटर वाला भाषा-मॉडल है (पैरामीटर वे समायोज्य संख्याएँ हैं जो मॉडल प्रशिक्षण में सीखता है), जिनमें से लगभग 2.4 अरब किसी एक टोकन, यानी एक शब्द या शब्द के एक टुकड़े, पर काम करते हैं। संघ का कहना है कि उसने मॉडल को शुरू से प्रीट्रेन किया, किसी और के मॉडल के ऊपर नहीं, और वह अंग्रेज़ी तथा भारत की आठवीं अनुसूची की सभी 22 भाषाएँ सँभालता है। संघ के अनुसार वेट Hugging Face और AIKosh पर हैं; AIKosh इंडिया एआई मिशन के मॉडलों और डेटासेटों का पुस्तकालय है।
स्रोत दिन को लेकर अलग-अलग हैं। बिज़नेस टुडे लॉन्च 16 फ़रवरी को बताता है, भारतजेन की लॉन्च-पोस्ट और प्रेस सूचना ब्यूरो (PIB) की विज्ञप्ति 17 फ़रवरी की हैं, और बिज़नेस स्टैंडर्ड ने घोषणा 18 फ़रवरी को छापी। नीचे का हर प्रदर्शन-आँकड़ा भारतजेन का अपना है, और देखे गए किसी भी पन्ने में संघ से बाहर किसी के द्वारा चलाए गए Param2 के परीक्षण की रिपोर्ट नहीं है।
नौ संस्थान, पैसे के दो स्रोत
संघ के 15 अक्टूबर 2026 के दो साल के लेखा-जोखा के अनुसार उसमें नौ संस्थान हैं: IIT बॉम्बे, IIIT हैदराबाद, IIT मंडी, IIT कानपुर, IIT हैदराबाद, IIM इंदौर, IIIT दिल्ली, IIT मद्रास और IIT खड़गपुर। अक्टूबर 2024 में नई दिल्ली में शुरू होने के बाद से विज्ञान और प्रौद्योगिकी विभाग उसका समर्थन करता रहा है। PIB की 17 फ़रवरी 2026 की विज्ञप्ति फ़ंडिंग इस तरह देती है: विभाग के राष्ट्रीय अंतर्विषयक साइबर-फ़िज़िकल सिस्टम मिशन से 235 करोड़ रुपये, और इंडिया एआई मिशन से 1,058 करोड़ रुपये का एक और परिव्यय। उस मिशन के अनुदान कैसे काम करते हैं, यह इंडिया एआई मिशन के GPU, मॉडल और पैसे पर एक लेख में बताया गया है।
Param2, Param1 के बाद आया है। Param1 हिंदी और अंग्रेज़ी के लिए 2.9 अरब पैरामीटर का मॉडल था, जिसका वर्णन भारतजेन ने 16 जुलाई 2025 को एक arXiv प्रीप्रिंट में किया। लेखा-जोखा के अनुसार Param1 को 7.5 खरब टोकन पर प्रशिक्षित किया गया था। सात महीने बाद, इन्हीं आँकड़ों पर tuput के गणित के अनुसार, Param2 में कुल पैरामीटर लगभग छह गुना, प्रशिक्षण-पाठ लगभग तीन गुना और दो की जगह 23 भाषाएँ हैं।
कंप्यूट इंडिया एआई मिशन के ज़रिये आया, भारतजेन के बयान के अनुसार। उसके मुख्य कार्यकारी ऋषि बाल ने 16 फ़रवरी को बिज़नेस टुडे से कहा कि मिशन से अब तक इस्तेमाल हुए GPU Param2 के प्रशिक्षण में गए थे और परियोजना ने उनमें से लगभग 4,000 का एक महीने से ज़्यादा इस्तेमाल किया। मॉडल कार्ड के अनुसार प्रशिक्षण NVIDIA H100 GPU पर NVIDIA के NeMo सॉफ़्टवेयर से 24 दिन चला, और बिज़नेस स्टैंडर्ड ने बताया कि NVIDIA ने प्रशिक्षण-पाइपलाइन पर सहयोग किया। न कार्ड और न पोस्ट GPU की गिनती देती है, और कार्ड जो 576 घंटे GPU-घंटों के रूप में गिनाता है वे 24 दिन के बीते समय के बराबर हैं, इसलिए प्रकाशित आँकड़ों से दोनों बयानों की तुलना नहीं हो सकती।
सत्रह अरब जमा, 2.4 अरब काम पर
बनावट के लिहाज़ से यह मिक्सचर-ऑफ-एक्सपर्ट्स मॉडल है। हर टोकन को पूरे नेटवर्क से गुज़ारने के बजाय एक छोटा राउटर हर टोकन के लिए कुछ विशेषज्ञ उप-नेटवर्क चुनता है, जिन्हें एक्सपर्ट कहते हैं। Hugging Face की कॉन्फ़िगरेशन फ़ाइल 21 परतों में 64 रूट किए जाने वाले एक्सपर्ट गिनाती है, जिनमें से हर टोकन के लिए 6 चुने जाते हैं, और इनके अलावा 2 साझा एक्सपर्ट जो हमेशा चलते हैं; इन परतों में पहली एक साधारण सघन परत है। अटेंशन में 32 क्वेरी हेड 8 की-और-वैल्यू हेड साझा करते हैं। एक मिक्सचर-ऑफ-एक्सपर्ट्स की व्याख्या इस बनावट को 1991 के एक शोधपत्र से सर्वम के 105 अरब पैरामीटर वाले मॉडल तक ले जाती है।
अस्पताल भारतजेन की अपनी उपमा है: मरीज़ एक सामान्य चिकित्सक और कुछ संबंधित विशेषज्ञों को दिखाता है, इमारत के हर डॉक्टर को नहीं। मॉडल कार्ड के अनुसार दो साझा एक्सपर्ट भाषाओं में एक स्थिर निरूपण बनाए रखते हैं, जो कोड-स्विचिंग में, यानी एक वाक्य में हिंदी और अंग्रेज़ी के मेल में, मदद करता है, और एक भाषा में मॉडल जो सीखता है उसे दूसरी भाषाओं तक पहुँचने देता है। भारतजेन के अनुसार कंप्यूट प्रति टोकन केवल लगभग 2.4 अरब पैरामीटर पर लगता है, इसलिए मॉडल बहुत छोटे मॉडल की लागत पर चलता है।
कीमत मेमोरी में चुकानी पड़ती है। हर पैरामीटर लोड रहता है, भले ही एक समय में उसका एक हिस्सा काम करे, और Hugging Face का पन्ना संग्रहित वेट में 17,151,125,376 पैरामीटर गिनता है, कुल 34.3 GB की फ़ाइलों में, जो bfloat16 (16-बिट की एक संख्या-प्रणाली) में मॉडल लोड करने के लिए भारतजेन की पोस्ट के दिए 34 GB GPU मेमोरी से मेल खाता है।
किस पर प्रशिक्षित हुआ
मॉडल कार्ड पर प्रीट्रेनिंग के तीन चरण दिखते हैं। पहला चरण 14.05 खरब टोकन का है, जिसमें अंग्रेज़ी 8.5 खरब, कोड 1.83 खरब, हिंदी के 998.6 अरब टोकन और बाकी भारतीय भाषाओं के मिलाकर 1.5 खरब टोकन हैं। tuput के गणित के अनुसार हिंदी और बाकी भारतीय भाषाएँ उसका लगभग 18 प्रतिशत हैं। दूसरा चरण अंग्रेज़ी, कोड, गणित, निर्देश और तर्क के डेटा पर टिका है, और 500 अरब टोकन का तीसरा चरण लंबे-संदर्भ की प्रीट्रेनिंग कहलाता है। भारतजेन के अनुसार भारतीय भाषाओं के डेटा को 22 भाषाओं के लिए बने गुणवत्ता-वर्गीकारकों से छाना गया।
कार्ड का मुख्य आँकड़ा लगभग 22.5 खरब टोकन है, और उसका जोड़ा हुआ कुल 22.63 खरब बैठता है। दूसरे चरण की जो पंक्तियाँ वह गिनाता है वे जुड़कर 7.14 खरब टोकन होती हैं, जबकि बताया गया चरण-कुल 8.08 खरब है, यानी लगभग 0.94 खरब का फ़र्क, जिसे कार्ड समझाता नहीं। एनालिटिक्स इंडिया मैगज़ीन की लॉन्च-रिपोर्ट 22 खरब देती है।
टोकनाइज़र वह हिस्सा है जो पाठ को टोकनों में काटता है, और Param2 का अपना है। भारतजेन के अनुसार उसकी शब्दावली में 128,000 प्रविष्टियाँ हैं, जो बाइट पेयर एनकोडिंग से बनीं और सभी लक्ष्य भाषाओं पर प्रशिक्षित हैं, ताकि भारतीय भाषाओं के शब्द वैश्विक मॉडलों की तुलना में कम टुकड़ों में टूटें। पोस्ट में प्रति शब्द टुकड़ों का कोई आँकड़ा नहीं है। दूसरी टीमों ने क्या मापा है, यह भारतीय भाषाओं की टोकनाइज़र फ़र्टिलिटी पर एक लेख में है। उसकी संदर्भ-खिड़की, यानी एक बार में वह कितना पाठ पढ़ सकता है, 32,768 टोकन है।
सोचकर जवाब देने वाला मॉडल, कोड में तेलुगु टिप्पणियों के साथ
Hugging Face पर डाला गया संस्करण एक रीज़निंग मॉडल है। जवाब से पहले वह think टैगों के बीच कदम-दर-कदम तर्क लिखता है, और रिपॉज़िटरी में एक छोटा पार्सर है जो तर्क, किसी भी टूल कॉल और अंतिम उत्तर को अलग करता है। पोस्ट के अनुसार कोड, गणित और टूल कॉलिंग भी शामिल हैं, और मॉडल कार्ड तीन नमूना आउटपुट दिखाता है: कई चरणों वाला औसत का एक सवाल, एक Python बाइनरी सर्च जिसकी हर टिप्पणी तेलुगु में लिखी है, और भारत के राज्यों में भाषाएँ, खाना और त्योहार अलग क्यों हैं, इस पर हिंदी में एक उत्तर।
22 भाषाएँ आठवीं अनुसूची की हैं, जिन्हें हमारी व्याख्या गिनाती है। पोस्ट के अनुसार हिंदी, मराठी, गुजराती और तमिल सबसे मज़बूत भाषाओं में हैं, और गुणवत्ता इस पर निर्भर करती है कि किसी भाषा के पास कितना प्रशिक्षण-डेटा है।
अंक, और दो तालिकाएँ जो अलग हैं
दोनों में चार खुले मॉडल तुलना के लिए रखे गए हैं: Qwen1.5-MoE-A2.7B, DeepSeek-R1-Distill-Qwen-14B, DeepSeek-V2-Lite और gpt-oss-20b। अंक ज़ीरो-शॉट हैं, यानी प्रॉम्प्ट में कोई हल किए उदाहरण नहीं हैं, और LM Evaluation Harness, एक खुले परीक्षण-टूलकिट, से चलाए गए हैं, हर मॉडल के लिए थिंकिंग बंद रखकर। पोस्ट कहती है कि इसका मतलब है कि अंक वह नहीं पकड़ते जो तर्क-ट्रेस जोड़ता है।
अंग्रेज़ी, गणित और कोड पर पोस्ट और कार्ड सहमत हैं:
| परीक्षण | Param2 का अंक | पाँच मॉडलों में स्थान |
|---|---|---|
| ARC Challenge (अंग्रेज़ी) | 56.83 | पहला |
| HellaSwag (अंग्रेज़ी) | 77.43 | दूसरा |
| MMLU (अंग्रेज़ी) | 57.79 | चौथा |
| GSM8K (गणित) | 57.32 | तीसरा |
| HumanEval (कोड) | 36.59 | पहला |
| IFEval (निर्देश-पालन) | 34.05 | दूसरा |
भारतीय भाषाओं के परीक्षणों पर दोनों अलग हैं। 17 फ़रवरी की लॉन्च-पोस्ट में Param2 पाँच पर पहले स्थान पर है: हिंदी में MMLU 59.23, हिंदी में HellaSwag 49.63, Indic BoolQ 75.98, ARC Challenge (Indic) 36.37 और TriviaQA (Indic बहुविकल्पीय) 72.95, और संस्कृति-ज्ञान के Sanskriti परीक्षण पर 66.54 के साथ तीसरे स्थान पर। 19 नवंबर 2026 को पढ़ा गया मॉडल कार्ड उन्हीं छह परीक्षणों के लिए, उसी क्रम में, 64.1, 64.1, 87.7, 90.1, 84.14 और 88.6 देता है, यानी सभी छह पर पहला स्थान। दोनों में थिंकिंग बंद थी, और दोनों संस्करणों में Indic के दोनों औसत 10 भाषाओं पर हैं। Hugging Face कार्ड का अंतिम संशोधन 18 नवंबर 2026 को दिखाता है, और वह यह नहीं बताता कि मॉडल बदला या परीक्षण की सेटिंग। टेक्स्ट-मॉडल का पन्ना अब भी पोस्ट के अंक रखता है, जिन्हें वह फ़रवरी की रिलीज़ कहता है।
Param2 के प्रकाशित नतीजों पर चर्चा करने वाला इकलौता बाहरी दस्तावेज़ एक सर्वेक्षण है, चलाया गया परीक्षण नहीं। 12 अगस्त 2026 के (16 अगस्त को संशोधित) एक प्रीप्रिंट में अविनाश अग्रवाल और विधि जैन ने केवल सार्वजनिक रूप से बताए गए अंकों से भारतीय फ़ाउंडेशन मॉडलों की तुलना की। लेखक लिखते हैं कि Param2 सीमित नतीजे बताता है, जो Indic-भाषा परीक्षणों पर केंद्रित हैं, और भारतीय मॉडलों के लिए बताए गए ज़्यादातर नतीजे डेवलपरों के अपने हैं। Param2 का प्रशिक्षण अस्थायी आधार पर पूरी तरह स्वदेशी श्रेणी में रखा गया है, और लेखक कहते हैं कि उन्होंने उस श्रेणी के हर तत्व की स्वतंत्र पुष्टि नहीं की।
तकनीकी रिपोर्टों का पन्ना Param1, AyurParam और खेती की सलाह देने वाले एक सहायक पर शोधपत्र गिनाता है, और एक संप्रभु एआई स्टैक पर सितंबर 2026 का एक श्वेतपत्र, जिसमें Param2 का रीज़निंग के लिए मूल्यांकन हुआ। इनमें से कोई भी स्वयं Param2 पर नहीं है, 19 नवंबर 2026 तक। पोस्ट इस रिलीज़ को शुरुआती पोस्ट-ट्रेनिंग चेकपॉइंट कहती है, जिसे उत्पादन में इस्तेमाल से पहले और फ़ाइन-ट्यूनिंग और सुरक्षा-संरेखण की ज़रूरत है, और बाल ने बिज़नेस टुडे से कहा कि यह ऐसा चेकपॉइंट है जिसे डेवलपर फ़ाइन-ट्यून कर सकते हैं।
कौन डाउनलोड कर सकता है, और किन शर्तों पर
Hugging Face रिपॉज़िटरी 16 फ़रवरी 2026 को बनी और 18 नवंबर 2026 को अंतिम बार संशोधित हुई। 19 नवंबर को पन्ने पर कुल 167,875 डाउनलोड और 86 लाइक दिखे। उसका अपना टेक्स्ट-मॉडल पन्ना Param2 के लिए 167,000 या ज़्यादा डाउनलोड और Param परिवार के लिए 219,000 या ज़्यादा कहता है। भारतजेन अस्पतालों, राज्य सरकारों, एक मंत्रालय और एक न्यूज़रूम को अपने मॉडलों पर निर्माण करने वाले साझेदार बताता है, और उसके पन्ने यह नहीं बताते कि इनमें से कौन Param2 इस्तेमाल करता है। EKA-1 और Dhīr पर tuput का लेख इंडिया एआई मिशन की दो और मॉडल-रिलीज़ों को कवर करता है।
भारतजेन के पन्ने इस रिलीज़ को खुले वेट कहते हैं। उसका लाइसेंस BharatGen Research License है, जो आख़िरी बार 7 अगस्त 2025 को अपडेट हुआ और गैर-व्यावसायिक शोध और शैक्षणिक प्रयोजनों के लिए उपयोग, संशोधन और वितरण की अनुमति देता है। व्यावसायिक उपयोग के लिए, मॉडल या उसके व्युत्पन्नों को सार्वजनिक रूप से जारी करने, फ़ाइन-ट्यून करने या तैनात करने के लिए, और उसे किसी होस्टेड सेवा या API के ज़रिये, मुफ़्त ही सही, देने के लिए वह भारतजेन की कानूनी टीम से लिखित अनुमति माँगता है। उपयोगकर्ता अपने बनाए आउटपुट के मालिक हैं, गैर-व्यावसायिक सीमा के अधीन। इसलिए Param2 पर उत्पाद बनाना चाहने वाली कंपनी पहले भारतजेन को लिखती है।
बाल ने फ़रवरी में कहा था कि इस साल के दौरान “क्रमशः और बड़े मॉडल” की उम्मीद रखें। 19 नवंबर 2026 तक भारतजेन का टेक्स्ट-मॉडल पन्ना अब भी Param2 को अपना प्रमुख मॉडल बताता है, और मॉडल कार्ड अब भी कहता है कि 128k-टोकन संदर्भ-खिड़की वाला एक संस्करण “जल्द जारी होगा”।
स्रोत और आगे पढ़ने के लिए
- BharatGen: Param2, what we built and how (17 February 2026)
- Hugging Face: bharatgenai/Param2-17B-A2.4B-Thinking, model page and card (read 19 November 2026)
- Hugging Face: Param2-17B-A2.4B-Thinking, config.json
- Hugging Face: Param2-17B-A2.4B-Thinking, LICENSE (BharatGen Research License, 7 August 2025)
- 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)
- BharatGen: Param, language models for India (text models page, read 19 November 2026)
- BharatGen: Two years of BharatGen (15 October 2026)
- BharatGen: Technical reports (read 19 November 2026)
- arXiv 2507.13390: PARAM-1 BharatGen 2.9B Model (16 July 2025)
- arXiv 2608.11891: Benchmark-Based Comparative Assessment of Publicly Benchmarked Indian Foundation Models, Agarwal and Jain (12 August 2026, revised 16 August)
- Business Today: BharatGen to launch 17-billion-parameter multilingual AI model at India AI Impact Summit (12 February 2026)
- Business Today: Most real-world use cases don't need trillion-parameter AI, BharatGen CEO Rishi Bal on Param 2 launch (16 February 2026)
- Analytics India Magazine: After Param2, BharatGen unveils Patram, Sooktam and Shrutam AI models at India AI Impact Summit (17 February 2026)
- Business Standard: BharatGen unveils Param2 17B multilingual MoE model under sovereign AI push (18 February 2026)
यह लेख AI उपकरणों की सहायता से शोधित और लिखा गया है, और सटीकता के लिए संपादित किया गया है। यह केवल सामान्य जानकारी और चर्चा के लिए है, पेशेवर सलाह नहीं। हमारे संपादकीय मानक और अस्वीकरण देखें। कोई त्रुटि मिली? हमें बताएँ।
अच्छा लगा? अगला लेख पाएँ।
एक बार में एक अच्छा लेख, सीधे आपके इनबॉक्स में। कोई स्पैम नहीं, जब चाहें अनसब्सक्राइब करें।