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 双榜登顶，支持 22 种印度语言(2 条相关)→
「模型」频道最新
- Fireworks 发布 Ember-1：基于 Kimi K3，推理 token 省 40% 质量持平 — sophiamyang · 2026-09-24
- Liquid AI 发布 DSpark 投机解码，LFM2.5-VL-3B 解码提速至 3 倍 — helloiamleonie · 2026-09-24
- 想只调亮度不改脸？ChatGPT 等 AI 修图总会重绘人脸 — Objective-Bit-797 · 2026-09-24
- Opus 5.5 一次生成 40 秒动画，还自己讲清了原理 — zck · 2026-09-24
- DeepSeek Harness 悄然上线官方 GUI 客户端，支持 Win/Mac — vista8 · 2026-09-24
- Qwen-Image-2.1 对比 SenseNova U1.5 Lite:五项图像编辑实测 — Wild_Artichoke7648 · 2026-09-24