•

Open weights model

•

Released marzo de 2026

Análisis de inteligencia, rendimiento y precio de Sarvam 30B (High)

Name: Inteligencia
Creator: Artificial Analysis
License: https://artificialanalysis.ai/docs/legal/Terms-of-Use.pdf

Probar Benchmarks de proveedores de API

Inteligencia

Artificial Analysis Intelligence Index

* Estimado

Velocidad

N/D

Tokens de salida por segundo

Costo

Entrada 0,026 US$Salida 0,11 US$Descuento de caché 38%

N/D

Costo por tarea del Intelligence Index

Verbosidad

N/D

Tokens de salida del Intelligence Index

Sarvam 30B (High) está por debajo del promedio en inteligencia, pero tiene un precio muy competitivo en comparación con otros modelos de pesos abiertos y tamaño similar. El modelo admite entrada de texto, genera texto y tiene una ventana de contexto de 66k tokens.

Sarvam 30B (High) obtiene 7 puntos en el Artificial Analysis Intelligence Index, lo que lo sitúa por debajo del promedio entre modelos comparables (con una mediana de 8).

El precio de Sarvam 30B (High) es de $0.03 por 1 M de tokens de entrada (muy competitivo; mediana: $0.12) y $0.11 por 1 M de tokens de salida (muy competitivo; mediana: $0.25).

Razonamiento	Sí Esta página muestra la versión con razonamiento de este modelo. También puede existir una variante sin razonamiento.
Modalidad de entrada	Admite: texto
Modalidad de salida	Admite: texto
Ventana de contexto	66k ~98 páginas A4 con fuente Arial de 12 puntos
Parámetros totales	32.2B
Parámetros activos	2.4B Número de parámetros activos por token durante la inferencia
Licencia	Apache 2.0
Pesos del modelo	Hugging Face

Las métricas se comparan con modelos de la misma clase:

Modelos sin razonamiento → se comparan solo con otros modelos sin razonamiento
Modelos de razonamiento → se comparan tanto con modelos de razonamiento como sin razonamiento
Modelos de pesos abiertos → se comparan solo con otros modelos de pesos abiertos de la misma categoría de tamaño:

Muy pequeño: ≤4B parámetros
Pequeño: 4B–40B parámetros
Mediano: 40B–150B parámetros
Grande: >150B parámetros

Modelos propietarios → se comparan con modelos propietarios y de pesos abiertos del mismo rango de precio mediante una proporción combinada de precios de entrada/salida de 3:1:

<$0.15 por 1 M de tokens
$0.15–$1 por 1 M de tokens
>$1 por 1 M de tokens

Inteligencia

Artificial Analysis Intelligence Index · Higher is better

Velocidad

Output tokens per second · Higher is better

Costo por tarea

Weighted average cost (USD) per Intelligence Index task · Lower is better

Inteligencia

Artificial Analysis Intelligence Index

Artificial Analysis Intelligence Index v4.3.2 incorporates 10 evaluations: AA-Briefcase v1.1, GDPval-AA v2.1, AutomationBench-AA, Terminal-Bench 4.0, SciCode, Humanity's Last Exam, GDP.pdf, CritPt, AA-Omniscience, AA-LCR v1.1

No publicly available API

Estimate (independent evaluation forthcoming)

Artificial Analysis Intelligence Index v4.3.2 includes: AA-Briefcase v1.1, GDPval-AA v2.1, AutomationBench-AA, Terminal-Bench 4.0, SciCode, Humanity's Last Exam, GDP.pdf, CritPt, AA-Omniscience, AA-LCR v1.1. See Intelligence Index methodology for further details, including a breakdown of each evaluation and how we run them.

Artificial Analysis Intelligence Index: pesos abiertos vs. propietarios

No publicly available API

Estimate (independent evaluation forthcoming)

Indicates whether the model weights are available. Models are labelled as 'Commercial Use Restricted' if commercial use is limited by conditions, and as 'Non-commercial' if the license prohibits commercial use.

Intelligence Index vs. costo por tarea del Intelligence Index

Artificial Analysis Intelligence Index · Weighted average cost (USD) per Artificial Analysis Intelligence Index task

Most attractive quadrant

Pareto line

Weighted average cost per Intelligence Index task. Each evaluation’s cost is calculated from input, cache hit, cache write, reasoning, and answer token prices, divided by task count, and weighted by its Intelligence Index weight.

Benchmarks

Intelligence Evaluations

Intelligence evaluations measured independently by Artificial Analysis · Higher is better

No publicly available API

AA-Briefcase v1.1Updated

Agentic knowledge work, (Elo-500)/2000

AA-Omniscience Accuracy

Knowledge

AA-Omniscience Non-Hallucination Rate

1 - hallucination rate

AutomationBench-AA

Agentic SaaS workflows

GDPval-AA v2.1Updated

Agentic real-world work tasks, (Elo-500)/2000

Humanity's Last Exam

Reasoning & knowledge

GDP.pdf

Professional document reasoning, All-pass

Terminal-Bench 4.0

Agentic coding & terminal use

AA-LCR v1.1

Long context reasoning

SciCodeUnder review

Coding

CritPtUnder review

Physics reasoning

Terminal-Bench-Science 0.1New

Agentic scientific research workflows in a terminal

FrontierCode 1.1New

Agentic software engineering in open-source repositories

AA-AnalystAgent

Quantitative analysis on spreadsheets & documents

Harvey LAB-AA v1.1Updated

Legal agentic work, Hallucination-Gated All-Pass Rate

EnterpriseOps-Gym-AA

Agentic business operations

ITBench-AA

Kubernetes incident root-cause analysis

MLCR-AA

Medical long context reasoning

MMMU-Pro

Visual reasoning

While model intelligence generally translates across use cases, specific evaluations may be more relevant for certain use cases.

AA-Omniscience

AA-Omniscience Index

AA-Omniscience Index (higher is better) measures knowledge reliability and hallucination. It rewards correct answers, penalizes hallucinations, and has no penalty for refusing to answer. Scores range from -100 to 100, where 0 means as many correct as incorrect answers, and negative scores mean more incorrect than correct.

No publicly available API

Openness Index

Artificial Analysis Openness Index: puntuación

El Openness Index mide la apertura de los modelos en una escala normalizada de 0 a 100 (cuanto más alta, mayor apertura)

Comparaciones del Intelligence Index

Intelligence Index vs. costo por tarea del Intelligence Index

Artificial Analysis Intelligence Index · Weighted average cost (USD) per Artificial Analysis Intelligence Index task

Most attractive quadrant

Pareto line

Costo

Costo por tarea del Intelligence Index

Weighted average cost (USD) per Intelligence Index task · Segmented by token type · Lower is better

Costo de ejecutar el Artificial Analysis Intelligence Index

Cost (USD) to run all evaluations in the Artificial Analysis Intelligence Index

The cost to run the evaluations in the Artificial Analysis Intelligence Index, calculated using the model's input, cache hit, cache write, reasoning, and answer token prices and the number of tokens used across evaluations (excluding repeats).

Precios: aciertos de caché, entrada y salida

Price (USD per M Tokens)

Price per token for cached prompts (previously processed), typically offering a significant discount compared to regular input price, represented as USD per million tokens. The values shown here are the cache hit price; cache write and cache storage are billed separately and vary by provider — see "Cache pricing by provider" for detail.

Ventana de contexto

Context window: tokens limit · Higher is better

No publicly available API

Larger context windows are relevant to RAG (Retrieval Augmented Generation) LLM workflows which typically involve reasoning and information retrieval of large amounts of data.

Maximum number of combined input & output tokens. Output tokens commonly have a significantly lower limit (varied by model).

Tamaño del modelo (solo modelos de pesos abiertos)

Tamaño del modelo: parámetros totales y activos

Comparison between total model parameters and parameters active during inference (billions)

The total number of trainable weights and biases in the model, expressed in billions. These parameters are learned during training and determine the model's ability to process and generate responses.

The number of parameters actually executed during each inference forward pass, expressed in billions. For Mixture of Experts (MoE) models, a routing mechanism selects a subset of experts per token, resulting in fewer active than total parameters. Dense models use all parameters, so active equals total.

Preguntas frecuentes

Preguntas comunes sobre Sarvam 30B (High)

Sarvam 30B (High) se lanzó el 6 de marzo de 2026.

Sarvam 30B (High) fue creado por Sarvam.

Sarvam 30B (High) obtiene 7 puntos (estimados) en el Artificial Analysis Intelligence Index, lo que lo sitúa por debajo del promedio entre otros modelos de pesos abiertos y tamaño similar (mediana: 8).

Sarvam 30B (High) cuesta $0.03 por 1 M de tokens de entrada (muy competitivo; mediana: $0.12) y $0.11 por 1 M de tokens de salida (muy competitivo; mediana: $0.25), según la API de Sarvam.

Sarvam 30B (High) cuesta $0.03 por 1 M de tokens de entrada y $0.11 por 1 M de tokens de salida (según la API de Sarvam). Con una tarifa combinada (proporción 7:2:1 entre aciertos de caché, entrada y salida), equivale a $0.03 por 1 M de tokens. El precio puede variar según el proveedor. Comparar precios de proveedores

Sí, Sarvam 30B (High) es un modelo de razonamiento. Usa pensamiento extendido o razonamiento en cadena para resolver problemas complejos antes de dar una respuesta.

Sarvam 30B (High) admite entrada de texto.

Sarvam 30B (High) admite salida de texto.

No, Sarvam 30B (High) no admite imágenes como entrada. Solo puede procesar texto.

No, Sarvam 30B (High) no es multimodal. Solo admite entradas de texto.

Sarvam 30B (High) tiene una ventana de contexto de 66k tokens. Esto determina cuánto texto e historial de conversación puede procesar el modelo en una sola solicitud.

Sí, Sarvam 30B (High) es un modelo de pesos abiertos. Los pesos del modelo están disponibles públicamente y pueden descargarse para alojarlo por cuenta propia.

Sarvam 30B (High) tiene 32,2 mil millones de parámetros (2,4 mil millones activos).

Sarvam 30B (High) es un modelo de mezcla de expertos (MoE) con 32,2 mil millones de parámetros totales, pero durante la inferencia solo usa 2,4 mil millones de parámetros activos.

Sarvam 30B (High) se publica bajo la licencia Apache 2.0, que permite el uso comercial. Ver licencia

Sarvam 30B (High) obtiene 7 puntos en el Artificial Analysis Intelligence Index. Este benchmark compuesto evalúa los modelos en razonamiento, conocimiento, matemáticas y programación.

Sí, Sarvam 30B (High) está disponible mediante API a través de 1 proveedor. Comparar proveedores de API

Sarvam 30B (High) está disponible a través de 1 proveedor de API. Comparar proveedores

Análisis de inteligencia, rendimiento y precio de Sarvam 30B (High)

Resumen del modelo

Inteligencia

Velocidad

Costo

Verbosidad

Resumen comparativo

Especificaciones técnicas

142 modelos en esta clase

Inteligencia

Velocidad

Costo por tarea

Inteligencia

Artificial Analysis Intelligence Index

Artificial Analysis Intelligence Index

Artificial Analysis Intelligence Index: pesos abiertos vs. propietarios

Artificial Analysis Intelligence Index

Open Weights

Intelligence Index vs. costo por tarea del Intelligence Index

Cost per Intelligence Index Task

Artificial Analysis Intelligence Index

Benchmarks

Intelligence Evaluations

Intelligence Evaluation Relevance

Artificial Analysis Intelligence Index

AA-Omniscience

AA-Omniscience Index

AA-Omniscience Index

Openness Index

Artificial Analysis Openness Index: puntuación

Comparaciones del Intelligence Index

Intelligence Index vs. costo por tarea del Intelligence Index

Cost per Intelligence Index Task

Artificial Analysis Intelligence Index

Costo

Costo por tarea del Intelligence Index

Cost per Intelligence Index Task

Costo de ejecutar el Artificial Analysis Intelligence Index

Cost to Run Artificial Analysis Intelligence Index

Precios: aciertos de caché, entrada y salida

Cache Hit

Ventana de contexto

Ventana de contexto

Context Window for RAG

Context Window

Tamaño del modelo (solo modelos de pesos abiertos)

Tamaño del modelo: parámetros totales y activos

Total Parameters

Active Parameters at Inference Time

Preguntas frecuentes

¿Cuándo se lanzó Sarvam 30B (High)?

¿Quién creó Sarvam 30B (High)?

¿Qué tan inteligente es Sarvam 30B (High)?

¿Cuánto cuesta Sarvam 30B (High)?

¿Cuál es el precio de la API de Sarvam 30B (High)?

¿Sarvam 30B (High) es un modelo de razonamiento?

¿Qué modalidades de entrada admite Sarvam 30B (High)?

¿Qué modalidades de salida admite Sarvam 30B (High)?

¿Sarvam 30B (High) puede procesar imágenes?

¿Sarvam 30B (High) es multimodal?

¿Cuál es la ventana de contexto de Sarvam 30B (High)?

¿Sarvam 30B (High) es de código abierto?

¿Cuántos parámetros tiene Sarvam 30B (High)?

¿Cuáles son los parámetros activos de Sarvam 30B (High)?

¿Qué licencia tiene Sarvam 30B (High)?

¿Cómo rinde Sarvam 30B (High) en los benchmarks?

¿Sarvam 30B (High) está disponible mediante API?

¿Dónde puedo usar Sarvam 30B (High)?