أداء Sarvam Vision وBulbul في مهام محددة
أطلقت Sarvam AI أداتين جديدتين هما Sarvam Vision وBulbul V3، وتستهدفان مهاماً محددة بدقة عالية، وهو ما سمح لها بالتفوّق في اختبارات ومعايير عالمية متخصصة، لكنها لا تعتبر بديلاً عاماً للنماذج الكبرى مثل ChatGPT أو Gemini.
أعلن الشريك المؤسس براتيوش كومار في 5 فبراير أن Sarvam Vision حقق نتائج غير مسبوقة في اختبار olmOCR-Bench، وهو معيار عالمي يقيس قدرات نماذج الذكاء الاصطناعي في التعرف الضوئي على الحروف OCR، محرزا دقة 84.3% متفوقاً على نماذج عالمية مثل ChatGPT وGemini 3 Pro وDeepSeek OCR v2، كما سجل 93.28% في اختبار OmniDocBench v1.5 خاصة في التعامل مع التخطيطات المعقدة والجداول والمعادلات.
تركّزت الأفضلية بشكل رئيسي في النصوص واللغات الهندية، حيث دُرب النموذج على أنماط الكتابة المحلية والخطوط الهندية المعقدة واللغات الإقليمية المتنوعة، وهو ما يمنحه تفوقاً في قراءة المستندات الرسمية الممسوحة والنصوص متعددة اللغات والنصوص المكتوبة بخط اليد.
Bulbul V3، وهو نموذج تحويل النص إلى صوت، تفوق في السياق الهندي بشكل واضح، حيث تفوق على ElevenLabs في اختبارات متخصصة للهجات الهندية ونطق اللغات المحلية، وهو ما يجعل نطق الصوت أقرب إلى الواقع للمستخدم الهندي.
لماذا لا تُعد SARVAM AI بديلاً عاماً للنموذج الكبير
رغم التفوق في مهام محددة، لا تُعتبر Sarvam AI نموذجاً عاماً مثل ChatGPT أو Gemini، إذ صُمِّمت لأداء وظائف محددة بدقة عالية ولا تدعم المحادثات الطويلة أو إنتاج محتوى إبداعي متنوع، كما أنها لا تعالج مسائل معقدة تمتد عبر مجالات متعددة.
على سبيل المثال، يمكن لـ Gemini إعداد اختبار تجريبي لامتحان JEE ومرافقة المستخدم خطوة بخطوة أثناء الحل، بينما يمكن لـ ChatGPT تحليل صور الأشعة الطبية وتقديم تصور أولي لما تحتويه، وهذه استخدامات خارج نطاق قدرات Sarvam AI في الوقت الحالي.
الفارق في الحجم والتكاليف
يظهر فرق رئيسي في حجم النماذج، حيث يضم Sarvam Vision نحو 3 مليارات باراميتر، بينما يُقال إن Gemini 3 يحتوي على نحو 2 تريليون باراميتر. وبخلاف زيادة الحجم، تزداد قدرات النموذج، لكن تدريب وتشغيل نماذج بهذا الحجم الهائل يتطلب بنية تحتية ضخمة وتكاليف كبيرة ووحدات GPU، وهو ما لا يتوفر عادة في الهند بمستوى الدعم المطلوب حالياً.
إنجاز يستحق الاحتفاء
يُعدّ ما حققته Sarvam AI إنجازاً يحظى بالاحتفاء، فهذه النماذج لا تدّعي كونها بديلًا للذكاء الاصطناعي العام، لكنها تثبت أن الشركات الهندية قادرة على تطوير أدوات عالمية المستوى وتؤكد أن التحدي الحقيقي أمام الهند ليس الكفاءة البشرية فحسب بل البنية التحتية والقدرات الحاسوبية.
كما تشكل Vision وBulbul بمثابة إثبات مفهوم يوضح أن التفوق على نماذج عالمية ممكن عندما يكون التركيز ذكياً ومحدداً، ولهذا السبب فإن تفوق Sarvam AI في مهام محددة يعتبر سبباً للاحتفال.
