7月24日，阿里巴巴正式开源了一款文档解析模型——OvisOCR2，参数规模仅0.8B，但表现相当炸裂。在权威的文档解析基准OmniDocBench v1.6评估中，它拿下了96.58的综合得分，直接登顶，成为首个全面超越传统流水线方法的端到端文档解析模型。这标志着文档智能技术领域迎来了一次真正的范式转折。

在RAG检索、智能问答和企业知识库这些核心场景里，文档解析一直是基础设施级别的存在。过去，业界普遍采用“版面分析+内容识别”的流水线串联模式，但这套方案维护成本高、误差还会逐级累积，部署起来也相当复杂。OvisOCR2基于Qwen3.5-0.8B进行后训练，彻底打破了这些限制——仅凭单模型一次生成，就能按自然阅读顺序输出包含文本、公式、表格和视觉区域的Markdown表示，省心多了。

技术实现上，模型采用了真实数据与合成数据互补的训练路径，再结合监督微调（SFT）、强化学习（RL）、在线策略蒸馏（OPD）和模型融合这四大手段，把紧凑模型的潜力彻底释放了出来。

目前，OvisOCR2已经基于Apache2.0协议在Hugging Face和魔搭社区全面开源，兼容vLLM等主流推理框架，能无缝接入千问生态。小参数、高效率，这一波操作直接大幅降低了高精度文档解析的显存和算力门槛，推动文档智能从复杂的系统工程向更简洁、更高效的模型驱动演进。可以说，文档解析的玩法正在被重新定义。

《夸克》非常好用的免费AI浏览器

下载APP查看