رسم: tuput
العربية
في 24 سبتمبر 2026 أطلقت سارفام (Sarvam) نموذج Vision 2.1 لقراءة المستندات بالإنجليزية وبجميع اللغات الهندية الـ22 المدرجة في الجدول الثامن، وصار يستخرج الحقول من النماذج ويحلل الجداول متعددة الصفحات ويقرأ الخط اليدوي بالخطوط الهندية. وتعلن سارفام 87.3 في olmOCR-Bench و87.39 في اختبارها الهندي الخاص، وكل الدرجات حتى الآن من سارفام.
في 24 سبتمبر 2026 أطلقت سارفام، وهي شركة ذكاء اصطناعي في بنغالورو، نموذج Sarvam Vision 2.1 الذي يقرأ المستندات الممسوحة والمصورة بالإنجليزية وبجميع اللغات الهندية الـ22 المدرجة في الجدول الثامن. ثلاث قدرات جديدة فيه: استخراج حقول محددة من النماذج، وتحليل الجداول الممتدة على عدة صفحات، وقراءة الخط اليدوي باللغات الهندية. وتعلن سارفام 87.3 في olmOCR-Bench، وهو اختبار عام بالإنجليزية، و87.39 في اختبار هندي جديد بنته بنفسها. كل درجة في هذا المقال مصدرها سارفام، ولم تظهر حتى 12 نوفمبر 2026 أي إعادة تشغيل مستقلة.
المهمة هي التعرف الضوئي على الحروف، ويُختصر عادة إلى OCR: تحويل صورة نص إلى نص يستطيع الحاسوب البحث فيه ونسخه والتحقق منه. ويقول منشور الإطلاق الصادر عن سارفام في فبراير 2026 إن جزءا كبيرا من معرفة الهند محفوظ في وثائق ورقية وأرشيفات ممسوحة ومجموعات تاريخية.
ما الذي يضيفه Vision 2.1
يسمّي منشور سارفام ثلاث قدرات جديدة: استخراج الأزواج (الحقل وقيمته) من النماذج، أي التسمية والإدخال المجاور لها، مثل «الاسم» وما كُتب أمامه؛ واستخراج منظم من الجداول المعقدة ومنها المتعددة الصفحات؛ والتعرف على الخط اليدوي بالخطوط الهندية. ويقول المنشور إن العمل شمل كذلك نقاط ضعف الإصدار الأول، وأبرزها الهلوسة (أن يكتب النموذج نصا غير موجود في الصفحة) وعدم اتساق المخرجات.
لا يقرأ النموذج الصفحة في تمريرة واحدة. تصف سارفام تصميما تسميه «harness-with-VLM»: محلل تخطيط يحدد أولا مواضع كتل النص والجداول والأشكال، وشبكة لترتيب القراءة تقرر التسلسل، ثم يقرأ نموذج الرؤية واللغة (VLM)، وهو نموذج يأخذ صورة ويكتب نصا، كل قطعة على حدة. وبحسب المنشور، يستطيع هذا النموذج العمل على الصفحة كلها مباشرة، لكن الدقة أفضل حين يحيط به هذا الإطار.
بنت سارفام للقدرات الجديدة مجموعات تدريب من النماذج المكتوبة بخط اليد والمطبوعة، بعضها اصطناعي وبعضها مأخوذ من نماذج وُجدت على الويب ثم ملأها الحاسوب. وللخط اليدوي استعانت بمقاطع فيديو ومصادر أخرى فيها نص مكتوب بخط اليد. وانتهى التدريب بضبط دقيق خاضع للإشراف تلاه تعلم تعزيزي بمكافآت يمكن التحقق منها، أي مكافآت تُفحص آليا. ويكرر تقرير Angel One الصادر في 25 سبتمبر 2026 هذه النقاط نقلا عن الإطلاق.
وفي الكلفة، تقول سارفام إن تغييرات في حزمة الاستدلال لديها، وهي البرمجيات التي تشغّل النموذج للمستخدمين، مكّنتها من تقديم Vision 2.1 بسعر أقل مما أعلنته في فبراير، وإن واجهة البرمجة صارت مضبوطة لأحمال الإنتاج. ولا يُذكر رقم لهذا الخفض. وتدرج صفحة التسعير لدى سارفام، التي فُتحت في 12 نوفمبر 2026، واجهة رقمنة المستندات بسعر 0.50 روبية للصفحة وواجهة استخراج المستندات بسعر 1.00 روبية للصفحة، دون ضريبة السلع والخدمات. ولا تذكر الصفحة أي إصدار من النموذج تغطيه هذه الأسعار.
لا يذكر المنشور حجم النموذج. فقد وصف منشور إطلاق فبراير Sarvam Vision بأنه نموذج رؤية ولغة من فئة نماذج فضاء الحالة بثلاثة مليارات معلمة (المعلمات هي الأرقام القابلة للضبط داخل النموذج، ومقياس تقريبي لحجمه)، وما زالت صفحة التوثيق الخاصة بالنموذج لدى سارفام تقول 3 مليارات. أما هل يحتفظ الإصدار 2.1 بهذا الحجم فلا يُذكر.
لماذا تصعب قراءة الخطوط الهندية
تنحدر أغلب الخطوط الهندية من البراهمي، ويقول فصل المعيار Unicode المخصص لها إنها تتشارك عددا كبيرا من الخصائص البنيوية. يحمل كل حرف ساكن حركة كامنة، هي عادة «a» قصيرة، فيُقرأ حرف «k» على أنه «ka». وتُكتب أي حركة أخرى بعلامة حركة تابعة تسمى ماترا، يمكن أن تقع فوق الساكن أو تحته أو عن يساره أو عن يمينه، وتتكون في بعض الخطوط من جزأين يحيطان به.
وعلامة تسمى الفيراما تلغي الحركة الكامنة، فتندمج الحروف الساكنة المجردة بها مع الحرف التالي في ما يسمى المركّب الحرفي. ومثال Unicode نفسه هو المجموعة الديفاناغارية K.SSA، التي يصفها بأنها مدمجة كليا، أي أن مكوناتها لم تعد أشكالا متمايزة. وقد يحتوي خط هندي جيد الصنع مئات رموز المركبات. ويشير Unicode أيضا إلى أن بعض العلامات تغيّر ترتيب عرض الحروف مقارنة بترتيب تخزينها، وهو الترتيب المنطوق، ولذلك على البرنامج الذي يقرأ البكسلات أن يستعيد ذلك التسلسل.
ويضيف الخط اليدوي تنوعا فوق ذلك. فورقة على arXiv صدرت في ديسمبر 2025 عن وثائق محاكم مكتوبة بخط اليد بالماراثية تصف التعرف على الخط اليدوي بأنه صعب في لغات مثل الماراثية لأن المجموعات الرقمية الكبيرة نادرة وأساليب الكتابة متباينة جدا. وللأرشيفات المطبوعة متاعبها: يستمد اختبار سارفام الهندي صفحاته من الفترة بين عام 1800 واليوم، وتُظهر عينة في عارض مجموعة البيانات جملا من كتب مدرسية بنغالية تتخللها أرقام عربية.
ثلاثة اختبارات، ثلاثة أسئلة مختلفة
يأتي olmOCR-Bench من ورقة olmOCR (فبراير 2025) التي نُشرت مع نموذج لتحويل ملفات PDF إلى نص. وتحصي بطاقة مجموعة بياناته على Hugging Face، التي تستضيفها Ai2، 1,403 ملفات PDF و7,010 فحوص نجاح أو إخفاق: هل هذه الجملة موجودة، وهل رقم الصفحة هذا غائب، وهل يسبق العنوان الفقرة، وهل تحمل خلية الجدول القيمة الصحيحة، وهل المعادلة صحيحة. وصفحاته بالإنجليزية وتشمل رياضيات arXiv ومسوحات قديمة وخطوطا صغيرة وصفحات متعددة الأعمدة وجداول. وتقول سارفام إن الاختبار إنجليزي رسميا فقط لكنه يضم بضع عينات بالصينية ولغات أخرى. وفي فبراير أعلنت نتيجتها على مجموعة مرشّحة بالإنجليزية فقط (يذكر منشور الإطلاق 1,258 عينة من 1,403). أما للإصدار 2.1 فتعلن نتيجتها على المجموعة الرسمية الكاملة، لتكافئ ما تعلنه نماذج الجهات الأخرى.
ويأتي OmniDocBench من ورقة صدرت في ديسمبر 2024 وقُبلت في CVPR 2025. ويغطي الاختبار تسعة أنواع من مصادر المستندات، منها الأوراق الأكاديمية والكتب المدرسية والملاحظات المكتوبة بخط اليد والصحف الكثيفة، ويقيّم المحلل على 19 فئة تخطيط و15 سمة. وتعلن سارفام نتائجها على الإصدار 1.6، وتصفه بأنه مقياس مركّب لأخطاء النص وبنية الجداول والتعرف على المعادلات، فهو يختبر مدى وفاء الصفحة لبنيتها بعد القراءة.
أما Sarvam Indic OCR Bench فهو اختبار سارفام الخاص. وتقول بطاقته على Hugging Face إنه يضم 6,909 عينات من كتل نصية مقصوصة من صفحات راجعها خبراء لغويون بشريون مرتين. ويحصي منشور سارفام 6,609 عينات عبر اللغات الـ22 و300 بالإنجليزية، مأخوذة من صحف وكتيبات وكتب مدرسية ونصوص تاريخية. ويقيس الاختبار دقة اللغة فقط، وتُحتسب دقة الكلمات، أي 100 مضروبة في واحد ناقص معدل خطأ الكلمات. ومجموعة البيانات عامة برخصة Apache 2.0، وتقول البطاقة إن معها أداة تقييم لا تحتاج إلا إلى المكتبة القياسية في Python.
ما الذي تُظهره الدرجات
في olmOCR-Bench يعطي جدول سارفام الإصدار Vision 2.1 درجة إجمالية 87.3، متقدما على Infinity-Parser2 Pro بـ86.1 وعلى Opus 5 بـ85.1. وليس Vision 2.1 الأول في كل عمود: فـInfinity-Parser2 Pro يسجل أعلى في المسوحات القديمة (58.0 مقابل 55.3)، وOpus 5 في الصفحات متعددة الأعمدة (85.8 مقابل 82.1).
وفي OmniDocBench v1.6 يسجل Vision 2.1 درجة إجمالية 94.97. ويتقدم عليه PaddleOCR-VL 1.6 بـ96.01 في جدول سارفام، ويأتي GLM-OCR خلفه بـ94.71. ولدى Vision 2.1 أقل خطأ نصي (0.0289) وأعلى درجة معادلات (0.988) في الجدول، ويتأخر عن PaddleOCR-VL في بنية الجداول (0.890 مقابل 0.931 في مقياس TEDS للجداول).
وفي اختبارها الهندي تعلن سارفام 87.39 إجمالا، مقابل 84.94 لـBodhan Indic-OCR و79.35 لـGemini 3.6 Flash و71.76 لـGoogle Cloud Vision. وبحسب اللغة تسجل الكونكانية (97.41) والنيبالية (97.00) والميثيلية (96.70) أعلى الدرجات، وتبلغ الماراثية 95.06 والهندية والبنغالية 93.52 و93.47. وتسجل الكشميرية (54.82) والسانتالية (53.91) أدنى الدرجات. وفي السانتالية يسجل Bodhan Indic-OCR 68.30 في الجدول نفسه، ويتقدم Gemini 3.6 Flash في الأوديا بـ81.01 مقابل 80.01. ويسرد المنشور مصادر مطبوعة لهذا الاختبار ولا يذكر درجة منفصلة للخط اليدوي، فتظهر القدرة على الخط اليدوي هناك في مقاطع عرض توضيحية فقط.
ما يبقى أن يُثبت
تقول سارفام نفسها إن الاختبارين الإنجليزيين يمكن القول إنهما بلغا حد التشبع، وإن مدى قدرة نتيجة الاختبار على التنبؤ بالفائدة في الواقع مسألة مفتوحة. وأُجريت اختبارات داخلية على سير عمل حقيقي أيضا، بحسب المنشور، ولم تُنشر نتائجها.
ويمكن إجراء فحص واحد اليوم. فلوحة المتصدرين في صفحة olmOCR-bench لدى Ai2، كما فُتحت في 12 نوفمبر 2026، تدرج Infinity-Parser2 Pro بـ87.6 ونموذجا آخر بـ87.84، وكلاهما فوق 87.3 لدى سارفام، بينما يضع جدول سارفام نفسها Infinity-Parser2 Pro عند 86.1. فجدول المقارنة لدى شركة ما ولوحة متصدرين عامة قد يعطيان رقمين مختلفين للنموذج نفسه.
والاختبار الهندي هو الاختبار المبني حول اللغات الـ22، وهو مفتوح للآخرين ليشغّلوه. وبرنامج الدولة الأوسع الذي تعمل سارفام في إطاره تغطيه دليلنا إلى مهمة IndiaAI، وقائمة اللغات في شرحنا للجدول الثامن، ومنصة الترجمة الحكومية في مقالنا عن بهاشيني وAI4Bharat. وتقول بطاقة مجموعة البيانات إن أداة تقييم لا تحتاج إلا إلى المكتبة القياسية في Python تأتي مع البيانات، ولذلك يستطيع مختبر غير سارفام أن ينشر نتيجته الخاصة.
المصادر وقراءات إضافية
- Sarvam AI: Sarvam Vision 2.1, Pushing the Pareto frontier of document intelligence (24 September 2026)
- Sarvam AI: Sarvam Vision, launch post (5 February 2026)
- Sarvam AI: blog index with post dates (opened 12 November 2026)
- Sarvam API docs: Sarvam Vision model page (languages, size, limits)
- Sarvam API docs: Pricing, credits and rate limits (opened 12 November 2026)
- Hugging Face: Sarvam Indic OCR Bench, dataset card
- Hugging Face: olmOCR-bench, dataset card and leaderboard (Ai2)
- arXiv: olmOCR, Unlocking Trillions of Tokens in PDFs with Vision Language Models (February 2025)
- arXiv: OmniDocBench, Benchmarking Diverse PDF Document Parsing with Comprehensive Annotations (December 2024)
- The Unicode Standard 15.0, chapter 12: South and Central Asia-I (Devanagari and the Indic script principles)
- arXiv: Seeing Justice Clearly, Handwritten Legal Document Translation with OCR and Vision-Language Models (December 2025)
- Analytics India Magazine: Sarvam Vision Beats Gemini, GPT on Indic OCR Across 22 Indian Languages (5 February 2026)
- Angel One News: Sarvam Launches Vision 2.1 AI Model for Documents and Indian Languages (25 September 2026)
أُعِدّ هذا المقال وكُتب بمساعدة أدوات الذكاء الاصطناعي، وحُرِّر للتحقق من دقته. وهو للمعلومة العامة والنقاش فقط، وليس مشورة مهنية. راجع معاييرنا التحريرية وإخلاء المسؤولية. وجدت خطأ؟ أخبرنا.
أعجبك المقال؟ احصل على التالي.
مقال جيد واحد في كل مرة، يصلك مباشرة إلى بريدك. بلا رسائل مزعجة، ويمكنك إلغاء الاشتراك متى شئت.