Tencent Hunyuan wypuścił HyOCR-1.5, pierwszy ekspercki model w kompleksowym obszarze OCR dla dużych modeli w pełni otwartego oprogramowania, szkolenia, wni...
Tencent Hunyuan wypuścił HyOCR-1.5, pierwszy ekspercki model w kompleksowym obszarze OCR dla dużych
modeli w pełni otwartego oprogramowania, szkolenia, wnioskowania i ważenia modeli. Przy zaledwie 1B parametrach obejmuje ponad 8 zadań skoncentrowanych na tekście. Wprowadzono framework spekulatywnego dekodowania DFlash, osiągający przyspieszenie 6,37× pod Transformers i 2,14× przyspieszenie w vLLM, z end-to-end wnioskowaniem osiągającym 1,408 sekundy na stronę. Obsługuje okna kontekstowe w rozdzielczości 4K i 128K, a także rozszerza OCR o niskich zasobach (331 języków), rozpoznawanie starych skryptów oraz wieloobrazowe Q&A dzięki Agentic Data Flow. Na OmniDocBench v1.6 zajęła pierwsze miejsce end-to-end z wynikiem 94,74.
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。
当前抓取源提供的是标题、摘要、来源和原文入口，不直接搬运完整原文。完整报道请通过下方原文链接前往来源站点查看。
抓取通道: 摘要聚合 · 原始域名: mp.weixin.qq.com
Źródło: 公众号：腾讯混元
原文链接: Otwórz źródło oryginalne
Aioga 归档: 查看情报页
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 自动聚合全球 AI 动态，并保留来源信息用于核验与引用。