🚀 Sarvam-M

sarvam-m 是一个基于 Mistral-Small 构建的多语言、混合推理、纯文本语言模型。它在基础模型上实现了显著改进，能有效解决多语言场景下的推理和对话问题，为用户提供更优质的语言交互体验。

🚀 快速开始

以下代码片段展示了如何使用 Transformers 库来使用 sarvam-m。

from transformers import AutoModelForCausalLM, AutoTokenizer

model_name = "sarvamai/sarvam-m"

# load the tokenizer and the model
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForCausalLM.from_pretrained(
    model_name, torch_dtype="auto", device_map="auto"
)

# prepare the model input
prompt = "Who are you and what is your purpose on this planet?"

messages = [{"role": "user", "content": prompt}]
text = tokenizer.apply_chat_template(
    messages,
    tokenize=False,
    enable_thinking=True,  # Switches between thinking and non-thinking modes. Default is True.
)

model_inputs = tokenizer([text], return_tensors="pt").to(model.device)

# conduct text completion
generated_ids = model.generate(**model_inputs, max_new_tokens=8192)
output_ids = generated_ids[0][len(model_inputs.input_ids[0]) :].tolist()
output_text = tokenizer.decode(output_ids)

if "</think>" in output_text:
    reasoning_content = output_text.split("</think>")[0].rstrip("\n")
    content = output_text.split("</think>")[-1].lstrip("\n").rstrip("</s>")
else:
    reasoning_content = ""
    content = output_text.rstrip("</s>")

print("reasoning content:", reasoning_content)
print("content:", content)

⚠️ 重要提示

对于思考模式，建议设置 temperature=0.5；对于非思考模式，建议设置 temperature=0.2。

✨ 主要特性

• 混合思考模式：一个通用模型支持“思考”和“非思考”两种模式。在处理复杂逻辑推理、数学问题和编码任务时使用思考模式，或者切换到非思考模式进行高效的通用对话。
• 先进的印度语技能：专门在英语和印度语言上进行了后续训练，真实反映并强调了印度文化价值观。
• 卓越的推理能力：在编码和数学基准测试中优于大多数同等规模的模型，展现出出色的推理能力。
• 无缝聊天体验：完全支持印度语脚本和罗马化版本的印度语言，提供流畅且便捷的多语言对话体验。

📚 详细文档

模型信息

sarvam-m 是一个基于 Mistral-Small 的多语言、混合推理、纯文本语言模型。这个后续训练版本在基础模型上实现了显著改进：

• 在印度语言基准测试中平均提高了 20%。
• 在数学基准测试中提高了 21.6%。
• 在编程基准测试中提高了 17.6%。

在印度语言和数学的交叉领域，性能提升更为显著，在罗马化印度语言 GSM - 8K 基准测试中提高了惊人的 86%。

在我们详细的 博客文章 中了解更多关于 sarvam-m 的信息。

使用 Sarvam API

from openai import OpenAI

base_url = "https://api.sarvam.ai/v1"
model_name = "sarvam-m"
api_key = "Your-API-Key"  # get it from https://dashboard.sarvam.ai/

client = OpenAI(
    base_url=base_url,
    api_key=api_key,
).with_options(max_retries=1)

messages = [
    {"role": "system", "content": "You're a helpful AI assistant"},
    {"role": "user", "content": "Explain quantum computing in simple terms"},
]

response1 = client.chat.completions.create(
    model=model_name,
    messages=messages,
    reasoning_effort="medium",  # Enable thinking mode. `None` for disable.
    max_completion_tokens=4096,
)
print("First response:", response1.choices[0].message.content)

# Building messages for the second turn (using previous response as context)
messages.extend(
    [
        {
            "role": "assistant",
            "content": response1.choices[0].message.content,
        },
        {"role": "user", "content": "Can you give an analogy for superposition?"},
    ]
)

response2 = client.chat.completions.create(
    model=model_name,
    messages=messages,
    reasoning_effort="medium",
    max_completion_tokens=8192,
)
print("Follow-up response:", response2.choices[0].message.content)

参考 API 文档：sarvam 聊天完成 API 文档

reasoning_effort 可以取三个可能的值：low、medium 和 high，以与 OpenAI API 规范保持一致。设置这三个值中的任何一个都将启用 sarvam-m 的思考模式。

VLLM 部署

为了便于部署，我们可以使用 vllm>=0.8.5 并通过 vllm serve sarvamai/sarvam-m 创建一个与 OpenAI 兼容的 API 端点。

如果你想在 Python 中使用 vLLM，可以执行以下操作。

from openai import OpenAI

# Modify OpenAI's API key and API base to use vLLM's API server.
openai_api_key = "EMPTY"
openai_api_base = "http://localhost:8000/v1"

client = OpenAI(
    api_key=openai_api_key,
    base_url=openai_api_base,
)

models = client.models.list()
model = models.data[0].id

messages = [{"role": "user", "content": "Why is 42 the best number?"}]

# By default, thinking mode is enabled.
# If you want to disable thinking, add:
# extra_body={"chat_template_kwargs": {"enable_thinking": False}}
response = client.chat.completions.create(model=model, messages=messages)
output_text = response.choices[0].message.content

if "</think>" in output_text:
    reasoning_content = output_text.split("</think>")[0].rstrip("\n")
    content = output_text.split("</think>")[-1].lstrip("\n")
else:
    reasoning_content = ""
    content = output_text

print("reasoning content:", reasoning_content)
print("content:", content)

# For the next round, add the model's response directly as assistant turn.
messages.append(
    {"role": "assistant", "content": output_text}
)

📄 许可证

本项目采用 apache-2.0 许可证。