Sarvam veröffentlicht Prism, ein Open-Weights-Entscheidungsmodell auf Basis von Sarvam 105B

Das indische Labor Sarvam hat am 3. November 2026 Prism veröffentlicht, ein Modell einer besonderen Art: Es verfasst keinerlei Texte. Man übergibt ihm eine Situation (ein Kundenticket, den Trace eines Agenten, eine eingehende Nachricht), eine oder mehrere Fragen sowie die Liste der möglichen Antworten, und es liefert eine Wahrscheinlichkeit für jede Option in einem einzigen Rechendurchlauf zurück. Die Gewichte stehen auf Hugging Face unter der Apache-2.0-Lizenz bereit, und das Modell wird zudem über die API von Sarvam angeboten.

Ein Modell, das auswählt, statt zu schreiben

Sarvam ordnet Prism in die Kategorie der „System 1“-Entscheidungsmodelle ein, in Anlehnung an das von Daniel Kahneman beschriebene schnelle und intuitive Denken. Laut dem Blogbeitrag des Anbieters wurde diese Kategorie im Vormonat von Typeface mit dem Modell Jev begründet. Der Ansatz ähnelt dem der Audio Decision API, die Hume AI am 2. November vorgestellt hat: Anstelle einer Freitextantwort, die anschließend interpretiert werden muss, liefert das Modell Zahlenwerte, auf deren Basis ein Programm Schwellenwerte festlegen kann.

Technisch handelt es sich bei Prism um eine LoRA-Anpassung von Sarvam 105B, dem hauseigenen großen Mixture-of-Experts-Modell. Ein kleiner Berechnungskopf erzeugt die Wahrscheinlichkeiten, anstatt Token nacheinander zu generieren. Sarvam hat zudem die Aufmerksamkeitsmaske modifiziert: Jede Option wird getrennt von den anderen gelesen, was die Bewertungen unabhängig voneinander macht. Das Modell akzeptiert drei Frageformate: Auswahl zwischen Optionen, Ja oder Nein sowie Stufenskalen.

Vom Anbieter gemessene Leistungen

Sarvam gibt an, dass Prism im Durchschnitt über drei Indizes einen Wert von 71,8 erreicht, bei einer medianen Antwortzeit von 44 Millisekunden auf einer B200-GPU. Dies sei das beste Ergebnis unter den Entscheidungsmodellen mit einer Latenz von unter 100 ms unter den 25 evaluierten Systemen. Einige Modelle erzielen zwar höhere Punktzahlen, sind laut derselben Übersicht jedoch zwei- bis sechsmal langsamer. Diese Messungen wurden von Sarvam selbst durchgeführt: Einer der drei Indizes ist ein interner Test für indische Sprachen, ein weiterer ein eigener Nachbau des Entscheidungsindex von Artificial Analysis.

Der Anbieter hebt insbesondere die Kalibrierung hervor: Im Englischen prognostizierte Prism bei Antworten mit mindestens 90 Prozent Konfidenz eine Fehlerrate von 3,3 Prozent und verzeichnete tatsächlich 2,2 Prozent Fehler. In indischen Sprachen würden die anderen getesteten Modelle 2,7- bis 4,8-mal mehr Fehler machen, als ihre Konfidenzwerte erwarten ließen. Sarvam erklärt zudem, dass sich die Antworten nicht mehr ändern, wenn man die Reihenfolge der Optionen vertauscht, und dass Prism Traces von Agenten besser beurteile als Claude Haiku 5.5 (78,5 Prozent korrekte Antworten gegenüber 70,7 Prozent). Keines dieser Ergebnisse wurde bislang von unabhängiger Seite reproduziert.