Saransh 與企業專屬模型定位
M37Labs 宣佈推出 Saransh（सारांश），這是一款小型語言模型，從設計、斷詞到訓練皆從零開始，於公司自有基礎設施上完成，而非從既有基礎模型進行微調。公司表示，Saransh 專為將長篇印度新聞內容轉化為精簡摘要而打造，是其企業專屬模型（EPM）方法論下的首發版本。該方法論主張，相較於通用型的託管系統，企業從部署於自身邊界內、範疇更聚焦且自有的小型模型中，能獲得更持久的價值。
模型如何打造
訓練作業在 M37Labs 自有的 NVIDIA H100 基礎設施上進行，使用印度英文新聞文章與參考摘要的語料庫，架構與權重均由內部自行開發。公司表示，crore、lakh 等詞彙，以及對 SEBI、MPC、GST Council 等機構的引用，皆在初始訓練階段就作為原生領域詞彙學習，而非後天附加。執行長 Prashant Shivram Iyer 將 Saransh 定位為他所稱的「AI 原生」公司推出的首款模型；共同創辦人暨首席 AI 長 Zorawar Purohit 則指出，公司選擇了從基本原理從頭訓練這條更艱難的工程之路，而非透過微調，以達到對印度新聞的掌握度。
刻意限制的能力範圍
Saransh 的範圍限定於單一任務——摘要印度新聞，並非設計作為通用聊天機器人、問答系統、程式碼助手或對話式代理。 M37Labs 表示，縮窄範圍是刻意的決定：針對單一明確任務最佳化的模型，可以依據一組特定的預期行為進行評估、監控與管理；該公司認為，這在受監管且對資安敏感的企業環境中尤其重要。
EPM 原則與垂直領域路線圖
EPM 框架建立在三項公開原則之上：透過將變動的推論成本轉化為更穩定的基礎設施支出，實現可預測的經濟效益；將處理程序保留在企業自有網路或雲端之內，以確保資料主權；以及透過凍結、版本化的模型權重實現可重現性。 M37Labs 表示，公司正在為零售、金融服務與醫療照護（BFSI）以及醫療產業開發專屬的垂直領域模型，預計在未來六個月內陸續釋出。
同日發布的第二款主權 AI 產品
同樣在 8 月 18 日，ShepHertz Technologies 宣佈推出 AgentAnywhere，這是一個在客戶基礎設施內運作的主權代理型 AI 平臺，背後由七個在印度訓練、並以梵文命名的模型家族支援。第一個模型家族 Taksha 專注於 AI 工程與程式設計，已正式上市；其餘的 Manthan、Kuber、Seva、Tatva、Astra 與 Sanjaya 預計在 2026 年底前陸續推出，並區分 Fast、Pro 與 Max 等級，另有平行的印度語言系列 Manthan Vaani 正在開發中。
仍有待觀察之處
近期的里程碑包括 M37Labs 預計在未來六個月內推出零售、BFSI 與醫療照護領域的 Saransh 系列模型，以及 ShepHertz 將在 2026 年底前分階段釋出更多模型家族。兩家公司皆將主權、內部訓練與客戶端部署定為核心設計選擇，至於這些主張能否站得住腳，仍須以基準效能表現與企業採用情況作為檢驗依據。
分享這篇文章
