AI最前沿 88Z.ai 7 月 13 日消息，腾讯混元发布业界首个训推全开源的端到端 OCR 专家大模型 HyOCR-1.5。该模型引入 DFlash 投机解码技术，显著提升推理速度，并在 OmniDocBench v1.6 基准测试中以 94.74 分位居端到端任务榜首。HyOCR-1.5 支持包括文档解析、古文字识别及多页问答在内的八类任务，覆盖 331 种语言。
消息要点
- HyOCR-1.5 是业界首个训推全开源的端到端 OCR 大模型，OmniDocBench v1.6 得分第一。
- 引入 DFlash 投机解码，Transformers 下推理提速 6.37 倍，支持 331 种语言及 8 类任务。
要点
腾讯混元正式开源 HyOCR-1.5，这是业界首个实现训练与推理全面开源的端到端 OCR 专家大模型。在性能优化方面，该模型引入了 DFlash 投机解码技术，使得在 Transformers 框架下的推理速度提升了 6.37 倍，在 vLLM 环境下提速达 2.14 倍。凭借卓越的性能，HyOCR-1.5 在 OmniDocBench v1.6 基准测试中获得 94.74 分，位列端到端任务第一名。 在功能应用上，HyOCR-1.5 展现出广泛的适用性，能够处理文档解析、古文字识别、图表解析以及多页问答等八大类任务。此外，该模型支持高达 331 种语言，能够满足多样化的全球多语言文档处理需求，为开发者提供了强大的开源 OCR 解决方案。
资料来源与整理说明
本文由 AI最前沿通过 AI 辅助整理公开资料。产品能力与开放范围按发布方说明转述，未将其视为本站实测或独家采访结论。
- 腾讯混元原始资料发布于
以上日期为原始资料发布日期；标题下方日期为本文在 AI最前沿的发布时间。