Surya OCR 2.5 开源发布：小模型 OCR 新标杆
Datalab 发布开源 OCR 模型 Surya OCR 2.5（作者 VikParuchuri）。该模型仅 689M 参数，在 OmniParseBench 上得分 85.9，是 1B 参数以下最准确的开源 OCR 模型；速度比 Surya 2 快 1.7 倍，H100 上达每秒 4.5 页。模型托管于 Hugging Face，代码在 GitHub，并配技术博客，可直接试用或部署。
已确认
- 参数量 689M，OmniParseBench 得分 85.9，定位为 1B 以下最强开源 OCR
- 推理速度比上一代快 1.7 倍，H100 上每秒 4.5 页
- 内部基准中 52 种语言准确率超过 80%，保持强劲的多语言能力
- 针对小 OCR 模型常见的输出重复循环问题做了专项训练清理：困难测试集上触发 token 上限的请求仅 0.1%（1390 个请求中仅 2 个），重复循环问题较前代降低 38 倍
- 采用字符级 tokenizer 并加入约 2 万个常用多字符单元，词表共 88,526 token，涵盖 emoji、花式数学字母和常见词，在同一段文本上 token 数更少
- VikParuchuri 在祝贺 @hheiden12 的新版本发布时预告，Chandra 和 Surya 后续还有更多更新
为什么重要
- 以不足 1B 的参数量在准确率、速度与稳定性上同时取得平衡，降低了本地部署和大规模文档处理的门槛，对开源文档解析生态是明显增量。
2026-10-30 ~ 2026-10-30 · 6 条相关
一手来源
- Surya OCR 2.5 发布:1B 以下最强开源 OCR,H100 上每秒 4.5 页 — VikParuchuri ·
- Surya OCR 2.5 把重复循环问题降低 38 倍,token 超限请求仅 0.1% — VikParuchuri ·
- Surya OCR 2.5 开源上线:模型、代码与博客全公开 — VikParuchuri ·
- 【源头】Surya OCR 2.5 发布:1B 以下最强开源 OCR,H100 上每秒 4.5 页 — VikParuchuri · 2026-10-30
- 【源头】Surya OCR 2.5 开源上线:模型、代码与博客全公开 — VikParuchuri · 2026-10-30
- 字符级 tokenizer 加常用词:Surya OCR 2.5 的 8.8 万词表设计 — VikParuchuri · 2026-10-30
- 【源头】Surya OCR 2.5 把重复循环问题降低 38 倍,token 超限请求仅 0.1% — VikParuchuri · 2026-10-30
- Surya OCR 2.5 实测：52 种语言准确率超 80%，循环错误降 38 倍 — VikParuchuri · 2026-10-30
- Surya OCR 2.5 多语言识别：52 种语言内部基准超 80% — VikParuchuri · 2026-10-30