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
推荐理由
首个全栈开源OCR大模型,推理性能大幅提升,降低OCR应用开发成本。
ROBOAIRADAR BRIEF
结构化情报
01
发生了什么
腾讯混元发布HyOCR-1.5,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。支持4K分辨率与128K上下文窗口,在OmniDocBench v1.6上以94.74分居端到端第一。
02
为什么重要
首个全栈开源OCR大模型,推理性能大幅提升,降低OCR应用开发成本。
03
行业影响
模型能力变化可能影响机器人感知、规划和交互技术栈,但落地仍取决于硬件与实时性能。
04
仍需确认
当前是单一公开来源,需要补充公司公告、客户确认或其他可信媒体报道。
信息说明
RoboAIRadar 对公开信源进行聚合、中文整理和价值判断,不替代原始报道。 涉及产品参数、交易金额或公司声明时,请以原文为准。
查看原始报道