Sarvam Token Factory 全面开放:印度本土 GPU 托管开源模型推理,一个 OpenAI 兼容 API 接入 DeepSeek V4.1 Flash、Kimi K3.1 Pro、GLM 5.3
印度 AI 公司 Sarvam 在 X 和官方博客宣布 Sarvam Token Factory 向所有人开放:用位于印度的 GPU 集群托管自家 Sarvam 105B 以及 GLM 5.3、GLM 5.3 Flash、DeepSeek V4.1 Flash 1017、DeepSeek V4 Pro、Kimi K3、Kimi K3.1 Pro、Gemma 4 31B,统一走 OpenAI 兼容 API。官方称多数模型在速度和成本上追平或超过全球主流推理商,DeepSeek V4.1 Flash 首发价每百万 token 输入 14 卢比、输出 55 卢比。

核心要点速览
- 一个 OpenAI 兼容 API 接入 Sarvam 105B、GLM 5.3、DeepSeek V4.1 Flash 1017、DeepSeek V4 Pro、Kimi K3.1 Pro、Gemma 4 31B 等,算力在印度本土
- DeepSeek V4.1 Flash 分两个端点:面向编程 Agent 的 Interactive 约 200 token/秒/用户(输入 25 / 输出 105 卢比每百万 token),Standard 输入 14 / 输出 55 卢比
- 官方实测:Sarvam 105B 首 token 0.2 秒、单用户 330 token/秒;Gemma 4 31B 在 10K 提示下首 token 0.40 秒,比唯一另一家提供商快 5 倍
- Kimi K3.1 Pro 在编程任务上每 GPU 吞吐最高为 InferenceX 公开结果的 1.9 倍;DeepSeek V4.1 Flash 每天服务 4500 亿+ token,95.7% 提示 token 命中缓存
- 运营印度最大的 B200 集群,同一推理栈也可为企业本地部署,主打数据驻留和无锁定










