腾讯混元OCR免费开放，好用吗？
腾讯混元OCR开源后，HyOCR-1.5又在2026年7月13日全栈开源，这个只有1B参数的端到端OCR专家模型，最近在OCR圈刷屏。我第一眼看到"1B"两个字时也嘀咕过——这能打过Gemini-2.5-Pro？现实打脸：在OmniDocBench v1.6端到端榜单上，HyOCR-1.5以94.74分拿下第一；在覆盖149种语言的MORE基准上，HunyuanOCR以92.42分超过第二名PaddleOCR-VL（87.96）近5分；在OCRBench上拿到860分；ICDAR 2025 DIMT小模型赛道冠军。1B打235B这种事，在通用VLM里几乎不可能，在OCR这个专项任务上却成了现实。我自己的感受：OCR是"窄而深"的任务，数据质量和任务聚焦远比参数规模重要。混元走的是"专家模型"路线——架构上用原生分辨率ViT+轻量LLM+MLP适配器，训练上首次把强化学习引入OCR，再叠加DFlash投机解码，让Transformers推理加速6.37倍，vLLM加速2.14倍，每页1.408秒。腾讯用1B参数打出了"小而美"的最强音。
发布于 福建
1
评论
赞
未登录
友善发言
评论
加载中
