三款印度 AI 模型瞄準本地語言與私有運算
印度在 IndiaAI Mission 計畫下，推出三款國內開發的人工智慧模型：Soket Labs 的 EKA-1，以及 ZenteiQ 的 Dhir 2B 和 Dhir 5B。這項於 2026 年 11 月公布的消息，結合印度 AI 計畫的兩項優先方向：支援印度語言的軟體，以及無須持續連網也能執行實用工作的工具。
目錄
EKA-1 擁有 263 億個參數，支援英語及印度憲法第八附表列出的全部 22 種語言。較小型的 Dhir 模型分別有 20 億和 50 億個參數，支援英語及 10 種印度語言。開發商表示，這些模型可用於回答文件相關問題，以及協助數學、程式設計和機構內部工作。
電子與資訊科技部秘書 S. Krishnan 與該部及 IndiaAI 官員出席發表會。他表示，國內開發的模型有助於強化印度的科技自主，並支援政府、產業、研究、教育及網路安全等領域的工作。
最直接的實際效益，是使用者能更自由地選擇 AI 的運作位置。機構可在自己的電腦上使用模型；部分行動應用程式則可直接在手機上處理請求。對於處理敏感文件的機構而言，這提供一種使用 AI 的方式，同時讓資訊留在自身的運算環境中。
研究人員、學生、新創公司、企業及一般民眾都可透過 AIKosh 取得這些模型。ZenteiQ 也計畫推出免費行動應用程式。因此，這項發布既涵蓋開發者可據以打造應用程式的底層模型，也提出讓使用者直接運用模型的途徑。
EKA-1 的設計用途
Soket Labs 開發 EKA-1，用於數學、程式設計及推理等任務；推理是指透過梳理資訊得出答案。執行長 Abhishek Upparwal 表示，銀行、金融服務及網路安全是特別著重的領域，模型的設計以印度數位經濟的需求為核心。
基礎模型是經過廣泛訓練、足以支援多種應用的 AI 系統。開發者可在此基礎上打造更專門的工具，例如回答金融文件問題的服務，或協助程式設計師撰寫程式碼的軟體。EKA-1 的定位是提供這類底層能力，而非只執行一項範圍狹窄的任務。
模型的 263 億個參數，是訓練過程中調整的內部數值，協助系統辨識模式並產生回應。參數數量可反映模型規模；使用者也須考量特定工作所需的語言品質、回答準確度、速度及運算資源。
EKA-1 公布的訓練資料量約為 7.5 兆個詞元。詞元是文字處理時切分出的單位，有時是完整單字，有時則是單字的一部分。另一項公布數字則稱訓練資料量為 7.5 lakh crore 個詞元，相當於 75 兆個。兩項公布的訓練總量存在重大差異。
印度語言支援涵蓋範圍各有不同
EKA-1 支援英語及全部 22 種列入憲法附表的印度語言，是其預定在印度國內發揮作用的核心特色。較廣泛的說明另指出，它涵蓋 100 多種印度及外國語言，並支援程式語言。列入附表的語言數字，說明其公布的印度語言支援範圍；較大的數字則代表更廣泛的語言涵蓋範圍。
據稱，Dhir 2B 和 Dhir 5B 支援英語及 10 種印度語言。相較於 EKA-1，這兩款模型規模較小，公布的語言支援範圍也較窄，讓機構可依據文件、語言和設備需求選擇不同方案。
對學生或公務員來說，語言支援可能決定 AI 工具能否派上日常用場。若文件助理能接受辦公室或教室使用的語言，就能減少使用者提問前先將問題翻譯成英語的需要。不過，發布說明未提供各語言的效能結果，也沒有三款模型可供比較的準確度評分。
Dhir 模型為何較小
ZenteiQ 執行長 Sashikumaar Ganesan 教授將 Dhir 2B 和 Dhir 5B 稱為精巧型模型，並在發布會上說明其規模：
我們推出了兩款小型模型。我們稱它們為精巧型模型……我們推出的是一款 20 億參數模型，以及一款 50 億參數模型……
EKA-1 的參數數量約為 Dhir 5B 的 5.3 倍、Dhir 2B 的 13.2 倍。這些比較是依據公布的 263 億、50 億和 20 億個參數計算。較小型的模型通常需要較少記憶體來儲存參數，因此適合資源較有限的裝置。
ZenteiQ 表示，其模型可直接在行動裝置和不同運算平台上執行。Ganesan 說明了這項設計希望帶來的使用體驗：讓民眾無須將每項請求傳送至遠端服務，也能使用 AI：
我們可以直接在自己的行動裝置上執行這些模型……使用者無須上雲端，就能在手邊取得 AI 解決方案，這是第一點……
Dhir 模型的用途包括從文件中擷取資訊、回答問題及支援日常工作。國防機構、政府部門、工業企業及教育機構都是預定使用者。
無須連網運作的意義
透過雲端使用 AI 服務時，請求通常會傳送至其他地方的電腦，由它們處理後再回傳答案。在本機執行模型，則是將處理工作移至手機或機構自己的設備。安裝必要軟體和模型後，適用的任務即使沒有即時網路連線也能繼續執行。
Krishnan 強調，這些模型有望在無法連網的安全電腦網路中運作。政府機關及其他敏感機構會限制連接外部服務，這類網路因此格外重要。例如，本機文件助理可協助員工搜尋內部資料，同時讓資料處理留在機構內部。
ZenteiQ 以裝置為基礎的方案，在網路連線薄弱或時斷時續的地方也可能派上用場。使用者不必每次提出請求都仰賴穩定連線。據稱，EKA-1 也能在手機上執行部分任務，不過行動裝置部署方面最具體的說法，主要針對精巧型 Dhir 模型。
將資訊留在裝置上，能讓裝置所有者更有權掌控資料的處理位置。機構仍須管理檔案存取權限、確保設備安全，並決定應用程式可使用哪些文件。因此，隱私保障除了取決於模型能否在本機執行，也取決於整套應用程式的部署方式。
打造供本機使用的模型，也仰賴雲端運算
Dhir 模型在開發過程中使用了 Google Cloud 張量處理器（TPU）的協助。這類專用處理器用於執行 AI 所需的大量運算。據稱，這些模型也能在採用圖形處理器（GPU）的系統上運作。
訓練與日常使用是不同階段。訓練是透過處理大量資料來調整模型的內部數值。使用訓練完成的模型回答問題，則稱為推論。開發者可在訓練期間使用強大的雲端設備，之後再將模型部署至本機硬體執行推論。
IndiaAI Mission 以優惠價格提供運算資源，並補助研究開支，協助兩家開發商。這項支援解決了打造基礎模型的一項重大實際成本：取得足夠的運算能力來訓練及開發模型。
Krishnan 將這項計畫與科技自主及戰略自主相連結。就實際層面而言，國內開發讓印度機構多了一個模型來源；這些模型可依據本地語言及機構需求打造，也提供部署在機構可自行掌控的基礎設施上的選項。
如何取得這些模型
AIKosh 是公布的模型取得平台，開放給研究人員、學生、新創公司、企業及個人使用者。對開發者而言，取得基礎模型後，就能針對特定文件或任務打造應用程式。機構接下來則須選擇符合其設備、語言及資訊管理規範的部署方式。
ZenteiQ 計畫透過 Play Store 和 iOS 免費提供行動應用程式。Ganesan 也表示，公司打算推出一款擁有 90 億個參數的模型，擴大 Dhir 2B 和 Dhir 5B 以外的產品陣容。
公告未提供行動應用程式或計畫中的 90 億參數模型的推出日期，也未說明支援的手機規格、記憶體需求、下載檔案大小及模型授權條款。這些細節都會影響使用者是否能安裝或以軟體開發應用程式。
發布會據稱於週二舉行，2026 年的 11 月 3 日正是週二；不過，公布的亮相日期也包括 11 月 4 日。兩種說法都將三款模型的推出時間指向同一週。
對機構與使用者有何改變
政府部門和企業如今多了三款國內模型，可用於語言及文件相關任務。三款模型的規模各不相同：EKA-1 的參數數量較多，公布的語言支援範圍也較廣；Dhir 模型則著重精巧運作，包括在行動裝置上使用。
銀行業及網路安全是 Soket Labs 特別瞄準的領域。Dhir 的主要用途則包括文件資訊擷取，以及回答內部資訊相關問題。學校、研究人員和公共機構也可運用這些能力打造應用程式，並依據工作需求選擇合適的模型和運算配置。
接下來的具體進展包括透過 AIKosh 擴大開放、推出計畫中的免費行動應用程式，以及 ZenteiQ 計畫中的大型模型。對使用者而言，這些系統的實際價值，將取決於它們處理自身語言、文件和設備的表現。
重點整理
- 印度於 2026 年 11 月在 IndiaAI Mission 計畫下推出 EKA-1、Dhir 2B 和 Dhir 5B。
- EKA-1 擁有 263 億個參數，支援英語及列入憲法附表的全部 22 種印度語言。
- Dhir 2B 和 Dhir 5B 支援英語及 10 種印度語言，並為精巧部署而設計，包括在行動裝置上使用。
- 本機處理可支援網路受限機構的文件工作，也適用於連線能力有限的地區。
- IndiaAI Mission 提供運算資源及研究開支補助，協助模型開發商。
- AIKosh 是公布的模型取得平台；ZenteiQ 計畫推出免費行動應用程式及一款 90 億參數模型。
