[AI相关] 新OCR模型发展的真快啊

关于

我最近在关注RAG,接触到很多OCR相关的小模型,现在的模型已经可以直接输出格式化的文本了,相当方便 模型 | 出品方 | 发布时间 | 参数量 | 核心亮点 | 中文支持 | -- | -- | -- | -- | -- MonkeyOCR | 华中科技大学 & 金山办公 | 2026年1月 (首次发布)2026年7月 (中文优化更新) | 未明确 | 复杂表格解析 (精度超90%) | 原生支持 GLM-OCR | 智谱AI | 2026年2月3日 | 0.9B | 极致轻量高效，支持多令牌预测，SOTA性能 | 原生支持 HunyuanOCR | 腾讯 | 2025年11月25日 | 1.0B | 端到端专家模型，推理速度快，支持14种语言 | 原生支持 Qianfan-OCR | 百度 | 2026年3月19日 | 4B | 端到端统一模型，Layout-as-Thought机制，长上下文 | 原生支持 MinerU | 上海AI Lab | 2024年7月5日 (首次开源) | 1.2B | 一站式工具链，生态成熟，可集成第三方OCR引擎 | 原生支持 Hiro-MOSS-OCR | PatSnap (智慧芽) | 2026年5月26日 | 0.3B | 超轻量，面向块级文档理解，结构化输出 | 原生支持 这是我最近测试的中文ocr,百度千帆效果比较好,但是比较大,日常用GLM-OCR 效果算是比较好的了,minerU本机部署去年要20GB,现在大概1G的量化模型都可以达到去年的效果了,直接输出markdown table用html输出,效果还不错,发展神速 当然 ,闭源的Mistral OCR 3 效果也很牛逼,但是如果不是复杂的表格,这些小模型够用了

收录记录

1. 阮一峰周刊·用户投稿

   2026年8月7日 · 1 次收录