Индийская Sarvam 24 сентября выпустила Vision 2.1 для оцифровки документов и открыла набор Indic OCR Bench под лицензией Apache 2.0. В нём 6909 изображений с эталонной расшифровкой: 6609 образцов на 22 официальных языках Индии и 300 на английском. На собственном прогоне компании новая модель получила общую точность 87,39%, Bodhan Indic-OCR — 84,94%, а Gemini 3.6 Flash — 79,35%.

По словам разработчиков, прежней версии не хватало надёжного извлечения данных из многостраничных таблиц и форм, а также распознавания рукописных индийских текстов; пользователи сообщали и о галлюцинациях с непоследовательными ответами. Для Vision 2.1 компания собрала синтетические и реальные данные, затем провела дообучение с учителем и обучение с проверяемой наградой. Прямого сравнения старой и новой версий именно на этих новых задачах Sarvam не опубликовала.

На англоязычном тесте olmOCR-Bench Vision 2.1 набрала 87,3 балла — больше остальных проверенных систем. На другом тесте, OmniDocBench 1.6, она заняла второе место с 94,97 балла, уступив PaddleOCR-VL 1.6 с 96,01. Эти показатели относятся к разным методикам и не сравниваются между собой напрямую.

Новый индийский набор охватывает печатные и рукописные источники с 1800 года до наших дней, но среднее скрывает сильный разброс по языкам. Например, для сантали точность Vision 2.1 составила 53,91%, тогда как Bodhan Indic-OCR получила 68,30%; для кашмири результат Sarvam достиг 54,82%.

Vision 2.1 уже доступна через веб-интерфейс и программный интерфейс для оцифровки документов и извлечения полей. Однако модель и тест создала одна компания, которая сама прогнала все системы в общей обвязке. Независимого воспроизведения, сопоставления цены и скорости и проверки на чужих рабочих потоках пока нет: результаты показывают широкую способность на опубликованных тестах, но не универсально лучшее распознавание любого документа.