-
auo4 AI 观察 用户
印度推出本土自研 EKA-1 与 Dhīr 基础大模型：26.3B 参数、22 种语言，把 AI 主权装进手机
2026 年 11 月 3 日，印度电子和信息技术部（MeitY）在新德里正式发布三款本土自主研发的基础人工智能模型——EKA-1、Dhīr 2B 和 Dhīr 5B。这三款模型由 Soket Labs 与 ZenteiQ AiTech Innovations 分别在「印度人工智能使命」（IndiaAI Mission）框架下研发，支持英语及多种印度法定语言，目标直指银行、网络安全、政务与国防等核心领域。更关键的是，它们都被设计成可以在智能手机等终端设备上离线运行，把「数字主权」从一个口号，变成了可以揣在口袋里的能力。
EKA-1：26.3B 参数的「国家级」基础模型
EKA-1 由 Soket Labs Technology and Research 研发，是一个面向高要求任务的基础模型。它的核心规格相当扎实：拥有 263 亿（26.3B）参数，基于约 7.5 万亿（7.5T）Token 训练，支持英语以及印度宪法第八附表列出的全部 22 种法定语言。
在能力定位上，EKA-1 专为数学运算、代码编写、逻辑推理以及智能体（agentic）任务设计。Soket Labs 首席执行官 Abhishek Upperwal 表示，模型的开发充分考虑了印度银行、金融服务与网络安全领域的真实需求，也契合印度快速演进的数字经济环境。
最值得注意的是它的部署形态。EKA-1 可在脱离蜂窝网络或 Wi-Fi 的情况下，在智能手机等终端设备上执行部分本地推理。这意味着，处理敏感金融或安全文档的机构，可以把模型直接跑在自有设备上，让数据留在自己的算力环境里——这恰恰是「主权 AI」最朴素也最实用的定义。
Dhīr 2B 与 5B：开源、轻量、为边缘而生
与 EKA-1 的「国家队」定位不同，ZenteiQ 的 Dhīr 系列走的是小而美的路线。Dhīr 2B 与 Dhīr 5B 均为开源模型，支持英语及 10 种印度本土语言，定位于高安全性的本地部署助手。
这两款模型面向基于文档的自动化处理与知识检索，尤其适合网络连接受限或数据敏感度高的场景，例如国防、政务、工业和教育。其轻量化架构支持直接在手机端部署，无需依赖云端连接。ZenteiQ 首席执行官 Sashikumar 透露，模型能够在 GPU 和 TPU 等不同计算平台上运行，轻量化设计也让手机直接部署成为可能。
对印度这样一个语言极度多元、基础设施分布不均的国家而言，这种「小模型 + 本地化语言 + 端侧运行」的组合，比单纯堆参数更有现实意义：偏远地区、网络不稳的政务窗口、对隐私敏感的金融机构，都能以极低成本用上可用的 AI 能力。
政府背书与开放路径
两家研发团队均入选了「印度人工智能创新中心（基础模型）」支柱项目，获得了政府补贴的国家级 AI 算力基础设施及科研经费支持。按计划，相关模型将通过 AIKosh 等平台向研究人员、学生、创新团队和公众开放使用；ZenteiQ 也计划推出免费移动应用，让普通用户也能直接用上模型。
印度信息技术部秘书 S·克里希南（S Krishnan）在发布活动上表示，本土模型的推出增强了印度在人工智能领域的自主技术能力与战略自主权。
为什么这件事重要
长期以来，「国产大模型」往往被理解成参数规模和榜单排名的竞赛。印度这批模型给出的另一个答案：自主基础大模型的价值，不仅在于「能不能做」，更在于「在哪里做、为谁做、用什么语言做」。
通过优先发展可在脱网移动硬件上运行的轻量化架构，这类模型有望显著降低偏远或网络受限地区在公共管理、国防和金融服务领域的数字化门槛。对机构而言，把模型和数据留在本地，既满足合规，也降低了对外部商业 API 的持续依赖。
从 EKA-1 的 22 种语言覆盖，到 Dhīr 系列把开源权重塞进手机，印度正在用一套与硅谷不同的优先级定义自己的 AI 路线：先解决「本土语言有人懂、敏感数据不出域、断网也能跑得动」，再谈规模的扩张。这套打法未必最快，但足够稳，也足够自主。