This model is deprecated. We only continue performance benchmarking for the default 10k input token workload. Results for other workloads are historical and no longer updated.

Sarvam has launched a newer model, Sarvam 30B (high). We suggest considering it instead.

For more information, see comparison of Sarvam 30B (high) to other models and API provider benchmarks for Sarvam 30B (high).

Sarvam

•

Open weights model

•

Released 2025年5月

Sarvam M (Reasoning, based on Mistral Small 3.1)の知能、性能、料金の分析

試す APIプロバイダーのベンチマーク

知能Updated

Artificial Analysis Intelligence Index

速度

該当なし

1秒あたりの出力トークン数

コスト

入力 $0.00出力 $0.00

該当なし

Intelligence Indexのタスクあたりのコスト

冗長性

該当なし

Intelligence Indexでの出力トークン数

Sarvam M (Reasoning, based on Mistral Small 3.1)の知能は最も低いモデルの一群に入りますが、料金は割安です。これは同程度の規模の他のオープンウェイトモデルと比較した場合です。このモデルはテキスト入力に対応し、テキストを出力します。コンテキストウィンドウは33kトークンです。

Sarvam M (Reasoning, based on Mistral Small 3.1)のArtificial Analysis Intelligence Indexスコアは5で、同等のモデルの中では下位です（中央値：8）。

Sarvam M (Reasoning, based on Mistral Small 3.1)の料金は入力100万トークンあたり$0.00（競争力が高い、中央値：$0.04）、出力100万トークンあたり$0.00（競争力が高い、中央値：$0.15）です。

推論	はいこのページでは、このモデルの推論版を表示しています。非推論版も存在する可能性があります。
入力モダリティ	対応：テキスト
出力モダリティ	対応：テキスト
コンテキストウィンドウ	33k Arial 12ポイントのA4用紙約49ページ分
総パラメーター数	23.6B
ライセンス	Apache 2.0
モデルウェイト	Hugging Face

各指標は同じクラスのモデルと比較します。

非推論モデル → 他の非推論モデルとのみ比較
推論モデル → 推論モデルと非推論モデルの両方と比較
オープンウェイトモデル → 同じ規模クラスの他のオープンウェイトモデルとのみ比較：

極小：パラメーター数≤4B
小：パラメーター数4B～40B
中：パラメーター数40B～150B
大：パラメーター数>150B

独自モデル → 入力／出力のブレンド料金を3:1として、同じ料金帯の独自モデルとオープンウェイトモデルを比較：

100万トークンあたり<$0.15
100万トークンあたり$0.15～$1
100万トークンあたり>$1

ハイライト

Updated

知能

Artificial Analysis Intelligence Index · Higher is better

速度

Output tokens per second · Higher is better

タスクあたりの費用

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

知能Updated

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

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 by Open Weights / Proprietary

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.

ベンチマーク

Intelligence Evaluations

Intelligence evaluations measured independently by Artificial Analysis · Higher is better

AA-Briefcase v1.1Updated

Agentic knowledge work, (Elo-500)/2000

GDPval-AA v2.1Updated

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

AutomationBench-AAUpdated

Agentic SaaS workflows

Terminal-Bench 4.0New

Agentic coding & terminal use

SciCode

Coding

Humanity's Last Exam

Reasoning & knowledge

GDP.pdfNew

Professional document reasoning, All-pass

CritPtUnder review

Physics reasoning

AA-Omniscience Accuracy

Knowledge

AA-Omniscience Non-Hallucination Rate

1 - hallucination rate

AA-LCR v1.1

Long context reasoning

Harvey LAB-AA

Legal agentic work, criterion pass rate

EnterpriseOps-Gym-AA

Agentic business operations

AA-AnalystAgent

Quantitative analysis on spreadsheets & documents

𝜏³-Banking

Agentic tool use

ITBench-AA

Kubernetes incident root-cause analysis

No data available

MMMU-Pro

Visual reasoning

MLCR-AANew

Medical long context 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.

Openness Index

Artificial Analysis Openness Index: Score

Openness Index assesses model openness on a 0 to 100 normalized scale (higher is more open)

Intelligence Indexの比較

Intelligence Index vs. Cost per Intelligence Index Task

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.

費用

Cost per Intelligence Index Task

Weighted average cost (USD) per Artificial Analysis Intelligence Index task, segmented by token type. Lower is better

Cost to Run 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).

Pricing: Cache Hit, Input, and Output

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.

コンテキストウィンドウ

Context Window

Context window: tokens limit · Higher is better

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).

モデル規模（オープンウェイトモデルのみ）

Model Size: Total and Active Parameters

Comparison between total model parameters and parameters active during inference

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.

よくある質問

Sarvam M (Reasoning, based on Mistral Small 3.1)に関するよくある質問

Sarvam M (Reasoning, based on Mistral Small 3.1)は2025年5月23日にリリースされました。

Sarvam M (Reasoning, based on Mistral Small 3.1)はSarvamが開発しました。

Sarvam M (Reasoning, based on Mistral Small 3.1)のArtificial Analysis Intelligence Indexの推定スコアは5で、同程度の規模の他のオープンウェイトモデルの中では下位水準です（中央値：8）。

はい。Sarvam M (Reasoning, based on Mistral Small 3.1)は推論モデルです。回答前に拡張思考や思考の連鎖による推論を行い、複雑な問題に取り組みます。

Sarvam M (Reasoning, based on Mistral Small 3.1)はテキスト入力に対応しています。

Sarvam M (Reasoning, based on Mistral Small 3.1)はテキスト出力に対応しています。

いいえ。Sarvam M (Reasoning, based on Mistral Small 3.1)は画像入力に対応していません。処理できるのはテキストのみです。

いいえ。Sarvam M (Reasoning, based on Mistral Small 3.1)はマルチモーダルではなく、テキスト入力のみに対応しています。

Sarvam M (Reasoning, based on Mistral Small 3.1)のコンテキストウィンドウは33kトークンです。これは、モデルが1回のリクエストで処理できるテキストと会話履歴の量を決定します。

はい。Sarvam M (Reasoning, based on Mistral Small 3.1)はオープンウェイトモデルです。モデルウェイトが一般公開されており、ダウンロードしてセルフホストできます。

Sarvam M (Reasoning, based on Mistral Small 3.1)のパラメーター数は23.6Bです。

Sarvam M (Reasoning, based on Mistral Small 3.1)はApache 2.0ライセンスで公開されており、商用利用が認められています。ライセンスを表示

Sarvam M (Reasoning, based on Mistral Small 3.1)のArtificial Analysis Intelligence Indexスコアは5です。この複合ベンチマークでは、推論、知識、数学、コーディングについてモデルを評価します。

はい。Sarvam M (Reasoning, based on Mistral Small 3.1)は1社のプロバイダーを通じてAPIで利用できます。 APIプロバイダーを比較

Sarvam M (Reasoning, based on Mistral Small 3.1)は1社のAPIプロバイダーを通じて利用できます。プロバイダーを比較

Sarvam M (Reasoning, based on Mistral Small 3.1)の知能、性能、料金の分析

モデル概要

知能Updated

速度

コスト

冗長性

比較の概要

技術仕様

このクラスのモデル：142件

知能

速度

タスクあたりの費用

知能Updated

Artificial Analysis Intelligence Index

Artificial Analysis Intelligence Index

Artificial Analysis Intelligence Index by Open Weights / Proprietary

Artificial Analysis Intelligence Index

Open Weights

ベンチマーク

Intelligence Evaluations

Intelligence Evaluation Relevance

Artificial Analysis Intelligence Index

AA-Omniscience

AA-Omniscience Index

AA-Omniscience Index

Openness Index

Artificial Analysis Openness Index: Score

Intelligence Indexの比較

Intelligence Index vs. Cost per Intelligence Index Task

Cost per Intelligence Index Task

Artificial Analysis Intelligence Index

費用

Cost per Intelligence Index Task

Cost per Intelligence Index Task

Cost to Run Artificial Analysis Intelligence Index

Cost to Run Artificial Analysis Intelligence Index

Pricing: Cache Hit, Input, and Output

Cache Hit

コンテキストウィンドウ

Context Window

Context Window for RAG

Context Window

モデル規模（オープンウェイトモデルのみ）

Model Size: Total and Active Parameters

Total Parameters

Active Parameters at Inference Time

よくある質問

Sarvam M (Reasoning, based on Mistral Small 3.1)はいつリリースされましたか？

Sarvam M (Reasoning, based on Mistral Small 3.1)の開発元はどこですか？

Sarvam M (Reasoning, based on Mistral Small 3.1)の知能はどの程度ですか？

Sarvam M (Reasoning, based on Mistral Small 3.1)は推論モデルですか？

Sarvam M (Reasoning, based on Mistral Small 3.1)はどの入力モダリティに対応していますか？

Sarvam M (Reasoning, based on Mistral Small 3.1)はどの出力モダリティに対応していますか？

Sarvam M (Reasoning, based on Mistral Small 3.1)は画像を処理できますか？

Sarvam M (Reasoning, based on Mistral Small 3.1)はマルチモーダルですか？

Sarvam M (Reasoning, based on Mistral Small 3.1)のコンテキストウィンドウはどのくらいですか？

Sarvam M (Reasoning, based on Mistral Small 3.1)はオープンソースですか？

Sarvam M (Reasoning, based on Mistral Small 3.1)のパラメーター数はいくつですか？

Sarvam M (Reasoning, based on Mistral Small 3.1)のライセンスは何ですか？

Sarvam M (Reasoning, based on Mistral Small 3.1)のベンチマーク性能はどの程度ですか？

Sarvam M (Reasoning, based on Mistral Small 3.1)はAPIで利用できますか？

Sarvam M (Reasoning, based on Mistral Small 3.1)はどこで利用できますか？