Udgam开源Laghu 聊天模型、Shruti 语音转文字模型、Gargi 推理模型(146美元)

过去两周，印度有一位男士悄悄完成了 AI 实验室斥资数十亿美元追逐的事。却没人注意到。

Jitesh Prasad，毕业于北孟加拉大学物理系，拥有印度管理学院（IIM）Lucknow 分校的 MBA 学位，运营着一家名为 Udgam 的单人实验室。在 10 月 10 日至 23 日期间，他发布了 5 个开源 AI 模型和一个公开基准测试。

Laghu 是一个从零开始训练的聊天模型，训练成本仅为 146 美元。完整的成本账本是公开的，包括失败的部分：租用 8 个 GPU，耗时 13.2 小时，总花费不到 200 美元。

Shruti 是一个印地语-英语-印地英语混合语的语音转文本模型，单个文件仅 29.5 MB。它可以在浏览器标签页中离线运行。在相同的印地语测试片段上，它的错误率低于 OpenAI 的 Whisper large-v3，后者的文件大小是它的 100 倍。在英语方面，他坦率地告诉你，Whisper 更胜一筹。

Gargi 是一个 384M 参数的推理模型，以吠陀哲学家 Gargi Vachaknavi 的名字命名。它在 17B 个 token 上训练，数据量比阿里巴巴的 Qwen2.5-0.5B 少约 1000 倍，但在推理测试中与后者的差距在 2 分以内。在知识测试中，他自己的模型卡承认，它惨败。

所有内容在 Hugging Face 上都是 Apache-2.0 许可：权重、代码、检查点、评估，甚至包括发现一次失败运行所花费的 0.45 美元。没有融资。没有新闻稿。只有一个人，13 天，以及一个信念：诚实的数字比庞大的数字更重要。

来源：udgamlabs/blog（链接在评论区）；Hugging Face 模型卡 udgamlabs/Shruti、udgamlabs/Gargi、udgamlabs/Laghu

图 1：Shruti 模型卡的 WER 表格——29.5 MB 的 Shruti 在所有三个印地语数据集上击败了 Whisper large-v3（3,087 MB），同时 Whisper 在英语上的优势也清晰可见。

图 2：Laghu 的公开成本账本——主运行花费 146.26 美元，总花费约 194 美元，甚至包括 0.03 美元的 X 搜索费用。

图 3：Gargi 对比 Qwen2.5-0.5B——384M 参数使用约 0.017T token 对比 494M 参数使用约 18T token，在推理上差距在 2 分以内，同一行中也诚实展示了 MMLU 的差距。

图 4：Hugging Face 组织页面——完整模型阵容旁边显示“团队成员 1”。一张截图里的单人实验室。