SarvamがSarvam 105Bベースのオープンウェイト意思決定モデル「Prism」を公開

インドのAI研究開発企業Sarvamは2026年11月3日、特殊なタイプのモデルPrismを公開した。このモデルは文章を一切生成しない。状況（顧客サポートのチケット、エージェントのログ、受信メッセージなど）、1つ以上の質問、そして想定される選択肢のリストを与えると、わずか1回の計算パスで各選択肢の確率を出力する。重みはHugging Face上でApache 2.0ライセンスのもと公開されており、SarvamのAPI経由でも提供されている。

「書く」のではなく「選ぶ」モデル

SarvamはPrismを、ダニエル・カーネマンが提唱した素早く直感的な思考にちなんで「システム1」意思決定モデルに分類している。同社のブログ記事によると、このカテゴリーは前月にTypefaceがJevモデルで切り開いたものだという。この発想は、Hume AIが11月2日に発表したAudio Decision APIとも共通している。後から解釈が必要な自由形式のテキストで応答するのではなく、プログラム側で閾値を設定できる数値を直接返す仕組みだ。

技術的には、Prismは同社の大規模Mixture-of-Experts（MoE）モデルであるSarvam 105BのLoRAファインチューニングである。トークンを1つずつ生成する代わりに、小型のヘッドが確率を直接算出する。また、Sarvamはアテンションマスクにも手を加えている。各選択肢が他から独立して読み取られるため、個別の判定が相互に影響しない。モデルは、選択肢からの選択、Yes/No形式、段階評価スケールの3種類の質問形式に対応している。

開発元による測定パフォーマンス

Sarvamによると、Prismは3つの指標の平均で71.8を記録し、B200 GPU上での応答時間の中央値は44ミリ秒に達したという。これは同社が評価した25モデル中、応答時間100ミリ秒未満の意思決定モデルの中でトップのスコアである。同比較表によれば、スコアで上回るモデルも一部存在するものの、応答時間は2倍から6倍遅い。なお、これらの測定はSarvam自身が実施したものであり、3つの指標のうち1つはインド系言語の社内テスト、もう1つはArtificial Analysisの意思決定指標を独自に再現したものである。

開発元が特に強調しているのはキャリブレーションの精度だ。英語において、信頼度90%以上で出力された回答では、予測誤差3.3%に対して実際の誤差は2.2%にとどまった。インド系言語では、テストされた他のモデルが自身の信頼度予測よりも2.7〜4.8倍多くの誤りを犯したという。さらにSarvamは、選択肢の順序をシャッフルしても回答がブレず、エージェントのログ判定においてもClaude Haiku 5.5を上回った（正答率78.5%対70.7%）と主張している。ただし、これらの結果はいずれも第三者によって再現確認されていない。