సర్వం AI భారతదేశాన్ని గ్లోబల్ AI మ్యాప్లో విజన్ OCR మరియు బుల్బుల్ V3 చాట్జిపిటి, గూగుల్ జెమిని వంటి ప్రత్యర్థులను అధిగమించింది
బెంగళూరు, ఫిబ్రవరి 8: గ్లోబల్ AI సంభాషణలో తరచుగా US మరియు చైనా ఆధిపత్యం చెలాయిస్తుండగా, భారతదేశం ప్రధాన AI ఆవిష్కరణలో తనను తాను నొక్కిచెప్పడం ప్రారంభించింది మరియు బెంగళూరుకు చెందిన స్టార్టప్ సర్వం AI ఆ మార్పుకు నాయకత్వం వహిస్తోంది. పూర్తిగా భారతదేశంలోనే ఫౌండేషన్ మోడల్లను అభివృద్ధి చేయడం ద్వారా కంపెనీ “సార్వభౌమ AI” అని పిలుస్తున్నది. దాని తాజా సాధనాలు, సర్వం విజన్ మరియు బుల్బుల్ V3, వాటి బలమైన పనితీరు కోసం ఇప్పుడు ప్రపంచ దృష్టిని ఆకర్షిస్తున్నాయి.
సర్వం విజన్, కంపెనీ యొక్క ఆప్టికల్ క్యారెక్టర్ రికగ్నిషన్ (OCR) మోడల్, కీలకమైన బెంచ్మార్క్లలో ChatGPT, Google Gemini మరియు Anthropic Claude వంటి ప్రధాన AI సిస్టమ్లను అధిగమిస్తోంది. సర్వం AI ప్రకారం, మోడల్ olmOCR-బెంచ్లో 84.3 శాతం ఖచ్చితత్వ స్కోర్ను సాధించింది, Gemini 3 Pro మరియు DeepSeek OCR v2ను అధిగమించింది, అయితే ChatGPT గణనీయంగా తక్కువ ర్యాంక్ను పొందింది. ఇండియా AI ఇంపాక్ట్ సమ్మిట్ 2026: UN సెక్రటరీ-జనరల్ ఆంటోనియో గుటెర్రెస్ కీలక ఈవెంట్కు ముందు భారతదేశ నాయకత్వాన్ని ప్రశంసించారు.
OmniDocBench v1.5లో, AI సిస్టమ్లు వాస్తవ-ప్రపంచ పత్రాలను ఎంత బాగా చదివి అర్థం చేసుకుంటాయో అంచనా వేసే సర్వం విజన్ మొత్తం మీద 93.28 శాతం ఆకట్టుకునే స్కోర్ సాధించింది. సంక్లిష్టమైన లేఅవుట్లు, టెక్నికల్ టేబుల్లు మరియు గణిత సూత్రాలపై మోడల్ ముఖ్యంగా బలమైన పనితీరును కనబరిచింది, సాంప్రదాయ OCR సిస్టమ్లు తరచుగా గజిబిజి ఫార్మాటింగ్ మరియు దట్టమైన కంటెంట్ కారణంగా కష్టపడే ప్రాంతాలు.
సర్వం AI సహ-వ్యవస్థాపకుడు ప్రత్యూష్ కుమార్ ఈ విజయాల వివరాలను Xలో పోస్ట్ల శ్రేణిలో పంచుకున్నారు, కంపెనీ అంతర్గత AI మోడల్ల పురోగతిని హైలైట్ చేశారు. బలమైన బెంచ్మార్క్ ఫలితాలు సర్వం ప్రపంచ గుర్తింపు పొందడంలో సహాయపడాయి, ప్రత్యేకించి ఇండిక్-లాంగ్వేజ్ మోడల్లపై దాని దృష్టిపై గతంలో వచ్చిన విమర్శల తర్వాత. ‘AI యొక్క నైతిక వినియోగం చర్చించబడదు’: భారతదేశ AI ఇంపాక్ట్ సమ్మిట్ 2026కి ముందు భారతదేశం యొక్క AI మిషన్ను ముందుకు తీసుకెళ్లడానికి ప్రధానమంత్రి నరేంద్ర మోడీ CEO లను కలిశారు.
టెక్ వ్యాఖ్యాత డీడీ దాస్, గతంలో చిన్న ఇండిక్-లాంగ్వేజ్ మోడల్స్కు శిక్షణ ఇవ్వడం విలువను ప్రశ్నించాడు, అతను సర్వం AIని తక్కువ అంచనా వేసినట్లు బహిరంగంగా అంగీకరించాడు. X పై ఒక పోస్ట్లో, దాస్ కంపెనీ OCR మరియు భారతీయ భాషల కోసం స్పీచ్ మోడల్లను ప్రశంసించారు, వాటిని అత్యంత విలువైనదిగా పేర్కొన్నారు మరియు పెద్ద గ్లోబల్ AI ల్యాబ్లు ఈ స్థలాన్ని ఎక్కువగా విస్మరించాయని పేర్కొన్నారు. సర్వం సాధనాల ఖచ్చితత్వం మరియు విశ్వసనీయతను పలువురు ప్రశంసించడంతో వినియోగదారులు ఇలాంటి భావాలను ప్రతిధ్వనించారు.
సర్వం విజన్తో పాటు, స్టార్టప్ భారతీయ భాషల కోసం రూపొందించిన కొత్త టెక్స్ట్-టు-స్పీచ్ AI మోడల్ అయిన Bulbul V3ని విడుదల చేసింది. ఎలెవెన్ల్యాబ్స్ వంటి గ్లోబల్ ప్లేయర్లతో పోటీ పడుతూ సహజమైన మరియు వ్యక్తీకరణ స్వరాలను రూపొందించడం ఈ సాధనం లక్ష్యం. Bulbul V3 ప్రస్తుతం 11 భారతీయ భాషల్లో 35 కంటే ఎక్కువ వాయిస్లకు మద్దతునిస్తోంది, భవిష్యత్తులో 22 భాషలకు విస్తరించాలని యోచిస్తోంది.
బుల్బుల్ పర్యావరణ వ్యవస్థ నుండి బలమైన ప్రశంసలను కూడా పొందింది. కిస్సాన్ఏఐ వ్యవస్థాపకుడు ప్రతీక్ దేశాయ్ మాట్లాడుతూ, బుల్బుల్ ఇండిక్ వినియోగ కేసుల కోసం తమ గో-టు టెక్స్ట్-టు-స్పీచ్ మోడల్ అని మరియు ప్రతి విడుదలతో ఇది మెరుగుపడిందని, అయితే గ్లోబల్ ప్రత్యామ్నాయాలు భారతీయ భాషలకు ఖరీదైనవి మరియు తక్కువ ఆచరణాత్మకంగా ఉన్నాయని పేర్కొన్నారు.
(పై కథనం మొదటిసారిగా ఫిబ్రవరి 08, 2026 09:22 PM ISTన కనిపించింది. రాజకీయాలు, ప్రపంచం, క్రీడలు, వినోదం మరియు జీవనశైలిపై మరిన్ని వార్తలు మరియు నవీకరణల కోసం, మా వెబ్సైట్కి లాగిన్ అవ్వండి తాజాగా.కామ్)
