腾讯混元发布 HyOCR-1.5:端到端 OCR 大模型全栈开源,推理提速 6.37 倍
原文标题:训推全开源:HyOCR-1.5 让端到端 OCR 大模型跑得更快、看得更准、功能更全
AI 摘要
腾讯混元发布 HyOCR-1.5,这是端到端 OCR 大模型领域首个将训练、推理、模型权重完整开源的专家模型。仅 1B 参数,覆盖 8 种以上 text-centric 任务。引入 DFlash 投机解码框架,在 Transformers 下实现 6.37× 加速,vLLM 下 2.14× 加速,端到端推理达每页 1.408s。支持 4K 分辨率与 128K 上下文窗口,通过 Agentic Data Flow 扩展低资源 OCR(331 种语言)、古文字识别与多图问答能力。在 OmniDocBench v1.6 上以 94.74 分居端到端第一。
关键信息
- 腾讯混元发布 HyOCR-1.
- 5,这是端到端 OCR 大模型领域首个将训练、推理、模型权重完整开源的专家模型。
- 仅 1B 参数,覆盖 8 种以上 text-centric 任务。
- 引入 DFlash 投机解码框架,在 Transformers 下实现 6.
- 37× 加速,vLLM 下 2.
速览
推荐理由
我觉得这是近期最实在的OCR开源,1B参数覆盖多任务、推理加速6倍,还支持llama.cpp本地部署,做文档解析的同学可以直接上车。
相关实体
来源与版权
本文基于 AIHOT 公开 API 的精选标题与 AI 摘要整理,已注明来源并回链;原文版权归原媒体与作者所有,本站不镜像全文。
如何引用
引用本文时请保留标题、日期与永久链接,并注明来源为橙子新闻。
橙子新闻:腾讯混元发布 HyOCR-1.5:端到端 OCR 大模型全栈开源,推理提速 6.37 倍。2026年7月13日。https://new.nat6.net/news/cmrj4s89p05nhbilkljqel2d5/