騰訊環源はHyOCR-1.5をリリースしました。これは、エンドツーエンドのOCR大規模モデル分野で初めて完全オープンソースのトレーニング、推論、モデル重み付けを備えたエキスパートモデルです。 1Bパラメータだけで、8以上のテキスト中心のタスクをカバーしています。 DFlashの推測的復号フレームワークを導入し...
騰訊環源はHyOCR-1.5をリリースしました。
これは、エンドツーエンドのOCR大規模モデル分野で初めて完全オープンソースのトレーニング、推論、モデル重み付けを備えたエキスパートモデルです。 1Bパラメータだけで、8以上のテキスト中心のタスクをカバーしています。 DFlashの推測的復号フレームワークを導入し、トランスフォーマーで6.37×の加速、vLLMで2.14×の加速を実現し、エンドツーエンドの推論時間は1ページあたり1.408秒に達しました。 4K解像度と128Kコンテキストウィンドウをサポートし、Agentic Data Flowを通じて低リソースのOCR(331言語)、古代スクリプト認識、多画像Q&A機能を拡張します。 OmniDocBench v1.6では、94.74点でエンドツーエンドで1位にランクされました。
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。
腾讯混元发布端到端 OCR 专家模型 HyOCR-1.5，并开放训练、推理与模型权重。模型参数量为 1B，覆盖 8 种以上文本中心任务，在 OmniDocBench v1.6 上以 94.74 分位居端到端第一。
HyOCR-1.5 支持 4K 分辨率和 128K 上下文窗口，并通过 Agentic Data Flow 扩展至低资源 OCR、古文字识别和多图问答。其中低资源 OCR 覆盖 331 种语言。
Aioga 判断，HyOCR-1.5 的关注点不仅是榜单成绩，还在于训练、推理和模型权重的完整开放。1B 参数与多项推理加速结果，也可能提升其在研究复现及实际部署评估中的吸引力。
值得关注的是，DFlash 投机解码框架在 Transformers 下实现 6.37 倍加速，在 vLLM 下实现 2.14 倍加速，端到端推理达到每页 1.408 秒，可能为 OCR 应用的性能评估提供新参照。 后续可重点核验开源训练与推理代码的完整度、不同硬件和文档类型下的速度表现，以及 331 种语言、古文字识别和多图问答在公开测试之外的稳定性与可复现性。
取得元が提供するタイトル、要約、出典、元記事リンクを掲載しています。記事全文は転載していません。
取得経路: 要約集約 · 元ドメイン: mp.weixin.qq.com
出典: 公众号：腾讯混元
元記事: 元記事を開く
Aioga アーカイブ: 情報ページを開く
Content record: summary-fallback · Updated: 2026-07-13T11:12:59.000Z
统一接入主流 AI 模型 API，为开发、测试与生产环境提供稳定调用入口。
立即访问 api.w173.com
Scan to open this articleAioga は世界の AI 動向を集約し、確認と引用のため出典情報を保持します。