OvisOCR2 – 阿里ATH-MaaS团队推出的端到端文档解析模型AI工具22小时前更新AI小集02OvisOCR2是什么OvisOCR2 是阿里 ATH-MaaS 团队推出的端到端文档解析模型，基于Qwen3.5-0.8B训练并完全开源。模型在 OmniDocBench v1.6 评测中以 96.58 分登顶榜首，具备对复杂版式文档的高精度识别与结构化提取能力，支持多栏排版、表格、公式等场景的解析，适用学术研究、档案数字化及企业知识库构建等文档智能处理需求。OvisOCR2的主要功能端到端文档解析：输入文档图像直接输出结构化文本，无需多阶段流水线拼接。复杂版式识别：支持多栏排版、图文混排、表格嵌套等复杂文档布局的精准解析。高精度 OCR 提取：在 OmniDocBench v1.6 上以 96.58 分取得第一，字符与段落识别准确率行业领先。开源可部署：基于 Qwen3.5-0.8B 训练，模型权重与代码已开源至 HuggingFace。OvisOCR2的技术原理视觉语言模型架构：模型以 Qwen3.5-0.8B 为基座，融合视觉编码器与文本解码器，实现图像到结构化文本的端到端映射。大规模文档预训练：在海量扫描文档、PDF 渲染图等数据上预训练，学习文档版式与语义关联。端到端优化：摒弃传统检测→识别→后处理的多阶段流程，通过单一模型联合优化降低误差累积。轻量高效：基于 0.8B 参数规模的小模型实现 SOTA 性能，兼顾推理速度与部署成本。微信关注回复“开源”，加入AI开源项目交流群如何使用OvisOCR2环境准备：克隆 HuggingFace 仓库，安装依赖库（Transformers、PyTorch 等）。加载模型：通过AutoModelForCausalLM加载 OvisOCR2 权重与对应分词器。输入文档：将扫描件或截图转为张量格式，传入模型进行前向推理。获取结果：模型直接输出 Markdown 或纯文本格式的结构化解析结果。微调部署：基于自有文档数据继续微调，适配特定领域版式需求。OvisOCR2的核心优势评测榜首：OmniDocBench v1.6 以 96.58 分登顶，文档解析精度行业领先。极致轻量：基于 Qwen3.5-0.8B 训练，仅 0.8B 参数即可实现 SOTA 性能，单卡流畅推理。完全开源：模型权重与代码均已公开至 HuggingFace，无商业授权限制，支持自由二次开发。端到端架构：模型摒弃传统多阶段流水线，输入文档图像直接输出结构化文本，显著降低工程维护成本。复杂版式适配：原生支持多栏排版、图文混排、表格嵌套等复杂场景，无需额外规则后处理。OvisOCR2的项目地址HuggingFace模型库：https://huggingface.co/ATH-MaaS/OvisOCR2arXiv技术论文：https://arxiv.org/pdf/2607.13639OvisOCR2的同类竞品对比维度OvisOCR2GOT-OCR2.0参数规模0.8B（Qwen3.5）约 0.5B评测成绩OmniDocBench v1.6 第一（96.58）多榜单领先开源协议完全开源开源可商用架构特点端到端视觉语言模型端到端通用 OCR部署成本极低，消费级 GPU 可跑极低擅长场景复杂版式文档结构化解析通用 OCR 与公式识别OvisOCR2的应用场景学术文献数字化：批量解析扫描版 PDF 论文，自动提取正文、图表标题与参考文献结构，加速科研资料整理。企业档案管理：将历史纸质档案扫描件转为可检索的结构化数据库，降低人工录入成本。金融票据处理：精准识别发票、合同中的关键字段与嵌套表格，支撑自动化财务审核流程。教育资料整理：解析教材、试卷的复杂多栏排版，生成结构化电子资源便于在线检索与编辑。RAG 知识库构建：为文档问答系统提供高质量结构化文本输入，提升检索增强生成的回答准确性。# AI工具# AI项目和框架©版权声明本站文章版权归AI工具集所有，未经允许禁止任何形式的转载。上一篇ABot-World Studio - 高德推出的通用世界模型工坊下一篇MOSS-VL-Realtime - OpenMOSS 开源的视觉语言模型相关文章Toki – AI日历助理，支持多模态输入管理日程AI小集3Hiwaifu – AI伴侣平台，根据喜欢定制专属的AI伴侣AI小集2炉米Lumi – 字节跳动推出的AIGC图像创作平台AI小集16The Matrix – 阿里联合港大等多所机构推出的AI基础世界模拟器AI小集2Amazon Bedrock – AWS推出的模型托管服务平台，支持自动推理检查预防AI幻觉AI小集2CareerSwift – AI求职助手，AI分析简历内容提供改进建议AI小集2暂无评论再想想发表评论暂无评论…热门工具豆包LibTV绘蛙AIAiPPT秘塔AI搜索TRAE编程堆友Agent美图设计室Sekoupdream秒哒办公小浣熊最新收录TapVid造化工坊排版小星立刻修相片Nile天工短剧工作台最新文章秒悟Meoo – 1分钟生成前后端完整的网站，真0门槛开发！12分钟前Claude Opus 5 – Anthropic 最新发布的旗舰级模型12分钟前MineExplorer – 美团推出的开放世界分钟级长程任务评测基准2小时前WorkBuddy Bench – 腾讯开源的编码智能体评测套件2小时前OJO – AI 设计智能体平台，自动将创意转化为完整设计方案22小时前Cosmos 3 Edge – 英伟达开源的 4B 参数世界模型23小时前BigMac – 小红书开源的多模态大模型流水并行训练框架23小时前Ling 3.0 Flash – 蚂蚁百灵推出的轻量级 MoE 推理模型1天前MAI-Voice-2-Flash – 微软推出的高速语音合成模型1天前FLUX 3 – Black Forest Labs 推出的多模态基础模型1天前MAI-Image-2.5-Pro – 微软推出的高精度图像生成模型1天前Cursor Router – Cursor推出面向团队和企业的智能模型路由器2天前CodeBuddy NPC – 腾讯云推出面向企业研发流程的AI智能体2天前灵犀专业版 – 金山办公推出的独立 AI 办公 Agent2天前SenseNova U1 Pro – 商汤科技推出的旗舰图片创作模型2天前