NVIDIA와 IIT Madras AI4Bharat가 약 2.8조 토큰의 Nemotron-pretraining-Indic-v1과 생성 파이프라인 공개를 예고했다. 22개 언어의 고유 문자 자료와 12개 언어의 로마자 표기를 포함하며 영어 원문을 번역하고 품질 평가와 일부 재작성을 거친다. 기록은 원문 식별자를 보존하지만 문자 변형과 번역이 같은 내용을 공유하므로 토큰 수는 독립 문서 수가 아니다. 발표된 모델 개선도 합성 및 자연 자료를 함께 사용한 학습 결과여서 이 데이터만의 효과로 분리할 수 없다.