0.8B 开源 OCR 模型 OvisOCR3 发布，支持跨页表格重建
Sad_External6106 · reddit · 2026-10-21
OvisOCR3 发布，基于 Qwen3.5-0.8B，Apache 2.0 开源，提供 vLLM 推理示例。相比 OvisOCR2 的 Markdown 解析，新增：
- 带 bounding box、元素类别与内容的结构化 JSON 输出，另有纯版面分析模式
- 按指定字段或 JSON 模板做关键信息抽取
- 图表描述与流程图 Mermaid 输出
- 跨页表格重建：先逐页解析，再用同一模型合并相邻页的表格碎片
官方报告成绩：OmniDocBench v1.6 达 96.74，MDPBench 88.80（上代 69.00），PureDocBench 82.31（上代 75.10）。作者提醒这些是团队自报数字，在杂乱扫描件和长财务表格上的结构稳定性有待验证，并征求与 GLM-OCR、PaddleOCR-VL、MinerU 的本地对比及显存/速度数据。
「模型」频道最新
- 爆料称 Anthropic 正训练对标 OpenAI 内部模型的新模型 — imjustnewatai · 2026-10-23
- AI 研究者：Claude 替我完成了多年前放弃的繁琐研究任务 — MikePFrank · 2026-10-23
- Dream Labs 出 stealth:双手机器人基座模型 Dream-1,时租仅 3 美元 — scott_e_reed · 2026-10-23
- Claude 模型登陆 Google Cloud:Anthropic 托管版正式可用 — claudeai · 2026-10-23
- Beam 对战 GLM 5.3 去审查版：10 轮攻防修补 96% 漏洞 — bigblueboo · 2026-10-23
- GPT-6 网页版能真「听」音频，API 和 Codex 却不支持，用户实测揭秘 — Possible_Statement84 · 2026-10-23