Avataar تبني Varya حول اقتصاديات الفيديو في India

أطلقت Avataar AI نموذج Varya للفيديو، وهو مصمم لاستخدامات India حيث تكون التكلفة والسرعة والسياق المحلي مهمة بقدر جودة التوليد الخام. الشركة واحدة من 12 شركة ناشئة اختيرت ضمن India AI Mission، وهي مبادرة حكومية بنحو $1.2 billion تمنح الشركات المختارة وصولا مدعوما إلى GPU compute مقابل إصدار نماذجها علنا.

يستهدف النموذج سوقا يهيمن فيها الفيديو على سلوك الإنترنت الاستهلاكي، وحيث يمكن لأدوات فيديو AI مرتفعة التكلفة أن تحد من تبني الطلاب والمعلمين وMSMEs والمبدعين والشركات والخدمات العامة. تقول Avataar إن Varya مدرب على التعرف إلى تفاصيل ثقافية مثل الطعام والملابس والعمارة والمهرجانات، وهي مجالات تنتج فيها نماذج الصور والفيديو أحيانا نتائج عامة.

النموذج الأخف هو جوهر الادعاء المنتج

لم تبن Avataar نموذج Varya من الصفر. بدأت من نموذج Alibaba المتاح علنا Wan 2.2 لتوليد الفيديو واستخدمت distillation لإنشاء نسخة أخف مخصصة لاستخداماتها. تقول الشركة إن Varya يعمل في four steps بدلا من 50 steps في Wan 2.2، وينتج الفيديو 10 times faster وبتكلفة تشغيل أقل بكثير.

ادعاء الأداء محدد. على NVIDIA H200 GPU، يستطيع Varya إنشاء مقطع 720p مدته 5-second خلال 45 seconds. أما الرقم المقارن لـ Wan 2.2 فهو 1,230 seconds. وفجوة السعر محورية أيضا: تخطط Avataar لفرض ₹0.48 ($0.005) لكل ثانية فيديو على خدمتها المستضافة، مقارنة بـ $0.10 أو أكثر لكل ثانية في نماذج تشمل Veo وKling وLuma وRunway.

الأوزان المفتوحة تربط الإطلاق بالسياسة

من المقرر إصدار Varya كنموذج open-weight على AI Kosh، وهي بوابة India المركزية لنماذج وبيانات AI العامة. كما تخطط Avataar لإصدار بيانات التدريب، ما يسمح للمطورين بالاستضافة الذاتية أو تعديل النموذج. وتخطط الشركة أيضا لإتاحته لعملاء المؤسسات وهي منفتحة على شراكات مع أدوات فيديو تشمل Higgsfield وAdobe Firefly.

يربط هذا الهيكل إطلاق المنتج بسياسة AI الأوسع في India. تحاول India AI Mission تعويض حدود الوصول إلى compute وتوافر البيانات عالية الجودة عبر دعم مطوري نماذج مختارين. ويورد المصدر أيضا قول وزير تقنية المعلومات Ashwini Vaishnaw إن India تستهدف جذب $200 billion من استثمارات AI بحلول 2028 وأكثر من مضاعفة قدرة GPU خلال six months.

الاختبار هو التبني بعد العرض التجريبي

إطلاق Avataar أقوى في النقاط التي تدعمها أدلة ملموسة: خطة إصدار النموذج، وتوزيع open-weight، ومعيار GPU، والسعر لكل ثانية، وادعاءات التدريب على السياق الثقافي. أما القضية غير المحسومة فهي إثبات العملاء. لا تكشف التفاصيل المتاحة أعداد المستخدمين الذين يدفعون، أو عقود المؤسسات، أو معدلات التحول من تجربة الموقع العامة، أو معايير جودة مستقلة.

بالنسبة إلى قراء SendTech Times، من الأفضل قراءة Varya كإشارة إلى بنية وتطبيقات AI في India وليس كتحديث تطبيق عادي. فهو يوضح كيف يمكن أن تشكل تكلفة inference الأقل والبيانات المحلية ودعم compute العام استراتيجية النماذج في سوق قد لا يتبع الاقتصاديات نفسها لمنصات فيديو AI في U.S. أو Europe أو China.