IndiaAI 22 షెడ్యూల్డ్ భాషలన్నింటినీ కవర్ చేసే 26.3 బిలియన్ పారామీటర్ల EKA-1 మోడల్‌ను, ఆఫ్‌లైన్‌లో నడిచేలా నిర్మించిన ఓపెన్ మోడళ్లు ధీర్ 2B, 5Bలను విడుదల చేసింది

2026 నవంబర్ 3న IndiaAI మిషన్ స్వదేశీ AI మోడళ్ల రెండు సెట్లను విడుదల చేసింది. ఒకటి బెంగళూరుకు చెందిన Soket Labs రూపొందించిన EKA-1, 26.3 బిలియన్ పారామీటర్ల మోడల్, అది 22 షెడ్యూల్డ్ భారతీయ భాషలన్నింటినీ, ఇంగ్లీష్‌ను కవర్ చేస్తుందని పత్రికా సమాచార కార్యాలయం చెబుతోంది. రెండోది ZenteiQ రూపొందించిన ధీర్ (Dhīr) 2B, ధీర్ 5B, ఇంగ్లీష్‌కు, పది భారతీయ భాషలకు చెందిన చిన్న మోడళ్లు, ఇంటర్నెట్ కనెక్షన్ లేకుండా ల్యాప్‌టాప్‌లో లేదా ఎడ్జ్ పరికరంలో నడిచేలా నిర్మించారు. పారామీటర్లు అంటే మోడల్ లోపల సర్దుబాటు చేసే సంఖ్యలు, దాని పరిమాణానికి స్థూల కొలమానం.

ఐటీ కార్యదర్శితో న్యూఢిల్లీలో ఆవిష్కరణ

ఎలక్ట్రానిక్స్, ఐటీ మంత్రిత్వ శాఖ కార్యదర్శి ఎస్ కృష్ణన్, మంత్రిత్వ శాఖ, మిషన్ అమలు విభాగమైన IndiaAI అధికారులు హాజరైన విలేకరుల సమావేశంలో మోడళ్లను ఆవిష్కరించినట్లు పీఐబీ ప్రకటన చెబుతోంది. ఇలాంటి మోడళ్లు కృత్రిమ మేధలో భారత్ “సాంకేతిక, వ్యూహాత్మక స్వయంప్రతిపత్తి”ని బలపరుస్తాయని కృష్ణన్ అన్నారు. మిషన్ డేటాసెట్లు, మోడళ్ల లైబ్రరీ అయిన AIKosh వంటి వేదికలు వాటిని పరిశోధకులకు, విద్యార్థులకు, ఆవిష్కర్తలకు, విస్తృత ప్రజలకు అందుబాటులో ఉంచగలవని ఆయన జోడించారు.

రోజువారీ పరికరాల కోసం తేలికైన పరిష్కారాల నుంచి సంక్లిష్ట సంస్థాగత పనుల కోసం బరువైన మోడళ్ల వరకు ఈ మోడళ్లు పురోగతిని చూపుతున్నాయని IndiaAI చీఫ్ ఆపరేటింగ్ ఆఫీసర్ సుదీప్ శ్రీవాస్తవ అన్నారు. రెండు సంస్థలూ మిషన్ ఫౌండేషన్-మోడల్ స్తంభం కింద ఎంపికైన పన్నెండు బృందాల్లో ఉన్నాయి, రాయితీతో అందిన జాతీయ AI కంప్యూట్, సంబంధిత పరిశోధన ఖర్చులకు మద్దతు ఈ మోడళ్లను సాధ్యం చేశాయని ప్రకటన చెబుతోంది.

EKA-1, ప్రతి షెడ్యూల్డ్ భాషకు ఒక మోడల్

పీఐబీ EKA-1కు సుమారు 7.5 ట్రిలియన్ టోకెన్ల శిక్షణ టెక్స్ట్‌ను చెబుతోంది, టోకెన్ అంటే ఒక పదం లేదా పదంలోని భాగం. ఈ మోడల్‌ను గణితం, కోడ్, తర్కం, ఏజెంటిక్ వినియోగం కోసం నిర్మించిన ఓపెన్, స్పార్స్ హైబ్రిడ్ భాషా మోడల్‌గా అది వర్ణిస్తోంది, ఏజెంటిక్ అంటే అనేక దశల్లో పనిని పూర్తి చేసే సాఫ్ట్‌వేర్. 22 షెడ్యూల్డ్ భాషలు రాజ్యాంగంలోని ఎనిమిదో షెడ్యూల్‌లో జాబితా చేసినవి, వాటిని మా వివరణ వ్యాసం వివరిస్తుంది.

AIKoshలోని మోడల్ పేజీ మరిన్ని వివరాలు ఇస్తోంది. IndiaAI మద్దతుతో Soket EKA-1ను మొదటి నుంచి నిర్మించిందని, ఇది Soket పరిశోధన కార్యక్రమమైన Project EKA నుంచి వచ్చిన మొదటి విడుదల అని అది చెబుతోంది. ఆ నిర్మాణం, Soket దాన్ని RALSNet అని పిలుస్తుంది, అటెన్షన్, రికరెంట్, ఎక్స్‌పర్ట్ లేయర్లను స్పార్స్ రూపకల్పనలో కలుపుతుంది, దాంతో ప్రతి టోకెన్‌పై నెట్‌వర్క్‌లో కొంత భాగమే పనిచేస్తుంది. సమాన పరిమాణ మోడళ్ల కన్నా మూడు రెట్లకు పైగా వేగవంతమైన ఇన్ఫరెన్స్‌ను, 64,000 టోకెన్ల కాంటెక్స్ట్ విండోను, అంటే మోడల్ ఒకేసారి చదవగల టెక్స్ట్ పరిమాణాన్ని Soket నివేదిస్తోంది. అంతర్గత మదింపులు సమాన పరిమాణ మోడళ్లతో సమానమైన పనితీరును చూపుతున్నాయని, పద్ధతులు, ఫలితాలు సాంకేతిక నివేదికలో వస్తాయని పేజీ చెబుతోంది.

ఈ మోడల్ భారత్‌లో బ్యాంకింగ్, ఆర్థిక సేవలు, సైబర్ భద్రతకు తగినట్లు రూపొందిందని Soket చీఫ్ ఎగ్జిక్యూటివ్ అభిషేక్ ఉపర్వాల్ పీఐబీ ప్రకటనలో చెప్పారు. ఇది ప్రైవేట్ సర్వర్లలో, ప్రైవేట్ క్లౌడ్‌లో, బయటి ఇంటర్నెట్‌కు కనెక్షన్ లేని ఎయిర్-గ్యాప్డ్ వ్యవస్థల్లో నడిచేలా రూపొందించారని ఏఎన్ఐ నివేదించింది. డేటా తయారీ, శిక్షణ, మదింపు అన్నీ పూర్తిగా భారత్‌లోనే జరిగాయని Soket సహ-వ్యవస్థాపకుడు మయాంక్ సింగ్ అన్నట్లు అది ఉటంకించింది.

భాషలను మూలాలు వేర్వేరుగా లెక్కిస్తున్నాయి. పీఐబీ 22 షెడ్యూల్డ్ భాషలు, ఇంగ్లీష్ అంటోంది. AIKosh పేజీ 100కు పైగా భారతీయ, గ్లోబల్ సౌత్, ప్రోగ్రామింగ్ భాషలని, Soket హోమ్ పేజీ 60 లేదా అంతకన్నా ఎక్కువని చెబుతున్నాయి, కాబట్టి ఆ లెక్కల్లో భారత షెడ్యూల్ బయటి భాషలు, ప్రోగ్రామింగ్ భాషలు కూడా ఉన్నాయి.

ధీర్ 2B, 5B, నెట్‌వర్క్ లేకుండా పనిచేసే మోడళ్లు

ZenteiQను 2022లో బెంగళూరులోని ఇండియన్ ఇన్‌స్టిట్యూట్ ఆఫ్ సైన్స్ ప్రొఫెసర్ శశికుమార్ గణేశన్ స్థాపించారని ది హిందూ బిజినెస్‌లైన్ చెబుతోంది. ఈ మోడళ్లను భద్రమైన, ఆన్-ప్రెమిస్, ఆఫ్‌లైన్ వినియోగానికి వీలైన ఓపెన్-సోర్స్, బహుభాషా సహాయకులుగా పీఐబీ పేర్కొంటోంది, వీటితో డాక్యుమెంట్ ఆధారిత ఆటోమేషన్, జ్ఞాన సేకరణ, రక్షణ, ప్రభుత్వం, పరిశ్రమ, విద్యలో పౌర లేదా సంస్థాగత సేవలు సాధ్యమవుతాయి. తక్కువ కనెక్టివిటీ ఉన్న, సున్నితమైన సందర్భాలను అది ప్రస్తావిస్తోంది.

సంఖ్యలను ZenteiQ మోడల్ పేజీ ఇస్తోంది. ధీర్ 2B 2.03 బిలియన్ పారామీటర్లు గల డెన్స్ మోడల్. ధీర్ 5B మిక్స్చర్-ఆఫ్-ఎక్స్‌పర్ట్స్ మోడల్, మొత్తం 5.09 బిలియన్ పారామీటర్లు, ప్రతి టోకెన్‌కు 12 ఎక్స్‌పర్ట్‌లలో 2 వాడుతూ 1.79 బిలియన్ క్రియాశీలం. రెండూ ఆరు ట్రిలియన్లకు పైగా టోకెన్లపై మొదటి నుంచి ప్రీట్రెయిన్ అయ్యాయని, 131,000 ఎంట్రీల సొంత టోకెనైజర్ వాడారని, శిక్షణ ప్రతి దశ భారత్‌లోని Google Cloud TPU v6e చిప్‌లపై జరిగిందని సంస్థ సాంకేతిక నివేదిక సారాంశం చెబుతోంది. ఆ పది భారతీయ భాషలు హిందీ, బెంగాలీ, తమిళం, తెలుగు, మరాఠీ, గుజరాతీ, కన్నడ, మలయాళం, పంజాబీ, ఒడియా.

పరిమాణం గురించి, 4 బిట్లకు కుదించిన వెయిట్లతో ధీర్ 2B 1.21 GB ఫైల్ అని, అది ల్యాప్‌టాప్ ఇంటిగ్రేటెడ్ గ్రాఫిక్స్‌పై, ఎడ్జ్ పరికరాల కోసం చిన్న బోర్డు అయిన NVIDIA Jetson మాడ్యూల్‌పై పూర్తిగా ఆఫ్‌లైన్‌లో నడుస్తుందని సారాంశం చెబుతోంది. llama.cpp ప్రోగ్రామ్‌తో కొలిచిన వేగాలను పేజీ జాబితా చేసింది: Intel Iris Xe ల్యాప్‌టాప్ గ్రాఫిక్స్‌పై ధీర్ 2Bకి సెకనుకు 18.6 టోకెన్లు, ధీర్ 5Bకి 20.5, Raspberry Pi 4 ప్రాసెసర్‌పై 2.3, 2.8. వెయిట్లకు Apache 2.0 లైసెన్స్ ఉంది, అది ఉచిత వినియోగాన్ని, మార్పులను అనుమతిస్తుంది.

విడుదల సందర్భంగా, మోడళ్లు GPUలపై, TPUలపై నడుస్తాయని, తేలికగా ఉండటంతో క్లౌడ్ కనెక్షన్ లేకుండా మొబైల్ ఫోన్‌లో వాడవచ్చని, డేటా పరికరంలోనే ఉంటుందని గణేశన్ అన్నారు. ఆండ్రాయిడ్, iOS కోసం సంస్థ ఉచిత యాప్‌ను నిర్మిస్తోందని ఆయన ఏఎన్ఐకి చెప్పారు.

మిషన్ ఏం చెల్లించింది

పీఐబీ ప్రకటనలో పునరుత్పత్తి చేసిన 2026 ఫిబ్రవరి 13నాటి రాజ్యసభ సమాధానం, పన్నెండు బృందాల్లో ప్రతిదానికి ఇచ్చిన మద్దతును జాబితా చేసింది. Soket AIకి రూ. 177.08 కోట్లు అందాయి, అందులో రూ. 162.47 కోట్లు కంప్యూట్, రూ. 14.61 కోట్లు ఇతర ఖర్చులు. ZenteiQకి రూ. 206.49 కోట్లు అందాయి, అందులో రూ. 165.19 కోట్లు కంప్యూట్, రూ. 41.30 కోట్లు ఇతర ఖర్చులు. tuput కూడిక ప్రకారం రెండూ కలిపి రూ. 383.57 కోట్లు.

Soket ఎంపికను పీఐబీ 2025 మే 30న, 120 బిలియన్ పారామీటర్ల ఓపెన్-సోర్స్ మోడల్ ప్రణాళికతో ప్రకటించింది. EKA-1 చిన్న మొదటి విడుదల, 120 బిలియన్ పారామీటర్లకు పైగా ఉన్న మోడల్ శిక్షణలో ఉందని Soket హోమ్ పేజీ చెబుతోంది. మిషన్ కంప్యూట్ ధరలు, ఇతర నిధులు పొందిన బృందాలు, Sarvam మోడళ్లు IndiaAI మిషన్ గురించి tuput ఇంతకుముందు రాసిన వ్యాసంలో ఉన్నాయి, భాషా అనువాద అంశం భారత్ తన సొంత భాషల్లో AIని నిర్మించడంపై మా వ్యాసంలో ఉంది.

ఇంకా చూపాల్సింది ఏమిటి

2026 నవంబర్ 5 నాటికి ఈ మూడు మోడళ్లకు బయటి పరీక్షకులు ప్రచురించిన బెంచ్‌మార్క్ స్కోర్లు tuputకు కనిపించలేదు, కాబట్టి ఇక్కడి పనితీరు సంఖ్యలు డెవలపర్లవే. 15 ఇండిక్ బెంచ్‌మార్క్‌లలో 13లో ధీర్ 2B తన తరగతిలో మొదటిదని, రెండు మోడళ్లను 41 బెంచ్‌మార్క్‌లలో ఒకటి నుంచి ఏడు బిలియన్ పారామీటర్ల 24 ఓపెన్ మోడళ్లతో పోల్చామని ZenteiQ చెబుతోంది. పూర్తి పట్టికలు దాని సాంకేతిక నివేదికలో ఉన్నాయని, ఆ నివేదిక త్వరలో వస్తుందని దాని ప్రచురణల పేజీ జాబితా చేసిందని అది అంటోంది. అదే పేజీ పరిమితులను కూడా జాబితా చేసింది: ఆధారం లేకుండా వాస్తవాలను గుర్తుకు తెచ్చుకోవడం బలహీనమైన రంగం, కాబట్టి అధికారిక మూలాల నుంచి రిట్రీవల్ చేయాలని, చట్టం, ఆర్థికం, వ్యవసాయం, వైద్యం లేదా చరిత్రకు మానవ సమీక్ష చేయాలని అది సూచిస్తోంది. ఏ మోడల్‌కూ రీజనింగ్ మోడ్ లేదని, రెండూ టెక్స్ట్‌ను మాత్రమే నిర్వహిస్తాయని అది చెబుతోంది.

లభ్యత గురించి, EKA-1-26B కోసం AIKosh పేజీ Apache 2.0 లైసెన్స్‌ను, డౌన్‌లోడ్‌లకు యజమాని ఆమోదం కావాల్సిన Restricted సెట్టింగ్‌ను, డౌన్‌లోడ్‌లు లేకపోవడాన్ని చూపింది. Soket హోమ్ పేజీ దాని EKA-26B కోడ్, రీజనింగ్ మోడల్‌ను త్వరలో వస్తుందని జాబితా చేసింది. వెయిట్లను ఒక నెలలోపు, వెయిట్‌లిస్ట్‌తో మొదలుపెట్టి, ఓపెన్‌గా విడుదల చేయాలని Soket ప్రణాళిక వేసిందని, ధీర్ వెయిట్లు ఇప్పటికే AIKoshలో ఉన్నాయని మయాంక్ సింగ్ చెప్పినట్లు ఏఎన్ఐ నివేదించింది. డిసెంబర్‌కు 9 బిలియన్ పారామీటర్ల మోడల్‌ను ప్లాన్ చేస్తున్నట్లు ZenteiQ కూడా ఏఎన్ఐకి చెప్పింది.