Sarvam Vision 2.1 发布：OCR 双榜 SOTA，支持 22 种印度语言手写识别
itsOmSarraf_ · x · 2026-09-24
印度 AI 公司 Sarvam AI 发布文档智能模型 Sarvam Vision 2.1，主打结构化抽取与印度语系手写识别，覆盖英语及 22 种印度语言。
- 在 olmOCR-Bench 与自家 Indic 基准上分别取得 87.3 和 87.39 的 SOTA 成绩
- 新增复杂多页表格解析、表单键值（KV）抽取等生产能力
- 推理栈优化带来比首发时更低的价格，API 面向生产负载优化
- 改进了此前的幻觉与不一致问题
该模型属于其 2 月发布的「主权模型」产品线，架构沿用 harness-with-VLM 范式（语义版面解析器 + 阅读顺序指针）。
所属事件:Sarvam Vision 2.1 发布:OCR 双榜 SOTA,支持 22 种印度语言(3 条相关)→
「模型」频道最新
- DeepMind 称 Gemini 智能体 4 周完成 Signal 加密协议数学验证 — Polymarket · 2026-11-11
- 爆料：Google 新模型阵容曝光，含 Flash 迭代与视频模型 — koltregaskes · 2026-11-11
- 爆料:OpenAI Astra 6.2 或将临近,已现于 Codex 日志与谷歌云配额 — haider1 · 2026-11-11
- 同一段提示词实测：Fable 5.2 花时 3 倍费用 2 倍，换来导演级表达 — iamfakhrealam · 2026-11-11
- Krafton 开源 1.5B 端侧模型 Raon-1 nano,多项基准超同尺寸对手 — DimitrisPapail · 2026-11-11
- 打错字会让 LLM 不舒服？tokenization 引发有趣讨论 — menhguin · 2026-11-11