腾讯混元OCR模型宣布开源 参数仅为1B 多项核心能力达到SOTA效果

智通财经APP获悉，11月25日，腾讯混元推出全新开源模型 HunyuanOCR，参数仅为1B，依托于混元原 生多模态架构打造，获得多项业界OCR应用榜单SOTA(最先进水平)成绩。据介绍，HunyuanOCR 具有 高度易用性，不仅体积小，便于部署，得益于混元原生多模态大模型"端到端"的理念设计，各项功能仅 需单次前向推理即可直达最优结果，较业界级联方案更高效和便捷，性价比高。 混元OCR专家模型依托于混元原生多模态架构打造，主要由三大部分组建构成：原生分辨率视频编码 器、自适应视觉适配器和轻量化混元语言模型。 不同于其他开源的OCR专家模型或系统，HunyuanOCR模型的训练和推理均采用全端到端范式，通过规 模化的高质量应用导向数据，结合在线强化学习，模型表现出了非常稳健的端到端推理能力。 值得注意的是，混元OCR多项核心能力达到SOTA效果，其中在复杂文档解析的OmniDocBench测评 中，获得了最高的94.1分，效果超过了谷歌的Gemini3-pro等一众领先的模型;文字检测和识别能力，在 自建覆盖了9大应用场景(文档、艺术字、街景、手写、广告、票据、截屏、游戏、视频)的基准上，大 幅度领先同类 ...