蚂蚁推出OCR大模型：同一架构实现全场景文本智能，2B参数也能打
蚂蚁推出OCR大模型：同一架构实现全场景文本智能，2B参数也能打随着多模态大模型越来越强，OCR的短板反而逐渐明显。
来自主题: AI技术研报
8823 点击 2026-10-29 11:25
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
搜索
随着多模态大模型越来越强，OCR的短板反而逐渐明显。
面壁智能开源MiniCPM-OCR 1.0与MiniCPM-OCR Jev，前者以1.3B参数取得4项SOTA并登顶吞吐，后者独立为OCR结果校准置信度并触发重读或人工复核。
不er，RSI应用在OCR上，效果这么猛？？
曾获LeCun转发推荐、狂揽1,000万下载的百度开源神作，又杀回来了！
中国电信星辰通用人工智能实验室推出的轻量化文档解析模型TeleOCR（约1.2B参数）凭借形变感知学习、多边形版面分割、CGDP采样及内容—结构解耦等技术创新，在OmniDocBench v1.6、Wild-OmniDocBench、PureDocBench等多个公开榜单取得领先，并在ICDAR 2026 Sci-ImageMiner挑战赛中夺冠，目前已开源。
Jina AI 发布端到端文档解析模型 jina-ocr-v1，以 3.4B 总参数/570M 激活参数在 OmniDocBench v1.6 与 olmOCR-Bench 上刷新同级别最佳成绩，并凭借 FastMTP 推测解码与分级密集奖励在低成本 GPU 上实现无损近倍速生成，单页仅输出 1085 个 token 以 2.57 页/秒吞吐领跑 14 款主流系统。
前不久，微信视觉团队开源了WeMM-Embedding。
桥介数物创始人尚阳星透露，公司将做了三年的项目制全身运动控制业务升级为平台产品RoboCraft AI，用户上传视频即可在半小时内完成动作提取、仿真与实机部署，并刚刚完成由中国移动链长基金领投的亿元级融资。
前DeepSeek核心研究员魏浩然近日带队加入百度基础模型研发部，出任文心大模型多模态算法负责人，负责端到端OCR等方向，其此前主导的Unlimited OCR模型曾在OmniDocBench评测中取得全球第一。
在日常摄影中，后期处理往往是决定照片最终观感的重要一步。