騰訊混元發佈 HyOCR-1.5：僅 1B 參數 推理提速 6.37 倍
重點摘要
騰訊混元發佈輕量化端到端 OCR 專家模型 HyOCR-1.5，僅 1B 參數，並透過 DFlash 投機解碼框架實現推理速度最高 6.37 倍提升。該模型為首個全棧開源 OCR 模型，公開權重、訓練配方與推理框架，在 OmniDocBench 評測中表現優異，部分任務性能可與 8B 參數通用模型比肩。
騰訊混元團隊近日正式推出輕量化端到端 OCR 專家模型 HyOCR-1.5，這款僅有 1B 參數規模的模型，在維持極簡架構的同時，透過一系列技術突破實現了性能與效率的顯著躍升。作為該領域首個全棧開源模型，HyOCR-1.5 不僅將模型權重公開釋出，更連同訓練配方、資料建構方法及推理加速框架一併向開發社群開放，大幅降低進入門檻，讓開發者能在消費級顯示卡或一般筆記型電腦上輕鬆復現、微調甚至直接部署。 針對過往長自迴歸解碼造成的延遲瓶頸，團隊導入名為「DFlash」的投機解碼框架。該框架利用一個約 90.7M 參數的輕量級草稿模型進行並行預測，在維持輸出準確性的前提下，成功將推理速度提升數倍。根據權威評測 OmniDocBench 的數據，在 Transformers 架構下，HyOCR-1.5 的推理速度最高可達到 6.37 倍的加速效果，成為目前端到端 OCR 模型中的效能佼佼者。 在模型能力的進化上，HyOCR-1.5 採用了「智能體驅動數據流」的創新策略。研發團隊將模型在實務中表現較弱的環節，轉化為具體的任務目標，交由智能體自主拆解、蒐集相關語料並進行清洗驗證。這種閉環訓練模式有效補足了古文字辨識、低資源語種處理以及跨頁多圖問答等長尾場景的短板。此外，模型支援 4K 解析度輸入，並搭配 128K 上下文窗口進行訓練最佳化，使其在處理複雜文檔時的穩定度與準確度大幅提升。 評測數據顯示，儘管 HyOCR-1.5 僅有 1B 參數，但在多項任務中展現出「越級」表現。在 OmniDocBench v1.6 上，它不僅穩居端到端 OCR 模型的第一梯隊，在古文字辨識及圖表解析等特定任務中，其性能甚至可與 8B 參數規模的通用模型相匹敵。這意味著輕量化模型也能在專業領域達到高水準表現。 HyOCR-1.5 的推出，象徵著端到端 OCR 大模型正朝向更輕量、更普及的方向邁進。透過將感知與理解能力深度融合，該模型不僅為企業級部署提供了高效率的解決方案，也為個人電腦端的本地化文檔智能處理奠定了堅實基礎。開發者無需依賴昂貴的雲端運算資源，即可在本地實現複雜的文件識別與分析功能。 從技術架構來看，HyOCR-1.5 的輕量化設計使其在部署上極具彈性。1B 參數的規模意味著它能夠在記憶體限制較低的裝置上運行，同時維持高精度的辨識效果。DFlash 投機解碼框架的引入，更進一步解決了端到端模型常見的推理延遲問題，讓即時性應用成為可能。 此外，團隊對於開源生態的投入也備受關注。除了模型權重，訓練配方與資料建構方法的公開，讓學術界與產業界能夠深入理解模型的訓練歷程，並在此基礎上進行二次開發。這種開放態度有助於加速 OCR 技術的迭代與落地應用。 總體而言，HyOCR-1.5 的問世不僅展示了輕量化模型在專業領域的潛力，也為文檔智能處理的普及化開啟了新篇章。隨著開發者社群開始接觸這款全棧開源模型，預計將有更多創新的應用場景湧現，進一步推動 OCR 技術從雲端走向邊緣，從企業走向個人。
Related
相關文章
市值3000億美金的巨頭，被中國對手盯上了
市值3000億美金的巨頭，被中國對手盯上了定焦One2026.07.14 11:19 · 來自福建全文6113字00:00 / 16:22一個比Anthropic更好的AI to B故事。文 | 定焦One（dingjiaoone）,作者 | 王漢星，編輯 | 魏佳在美股，有一家AI公司很不一樣。它不訓練大模型，第一個付費客戶是CIA，此後二十年主要服務美國政府部門、FBI、軍方，也做能源、航空、醫療。2020年上市時它幾乎被硅谷主流風投一致看空，但隨後近六年市值漲了20多倍。僅2025年一年，市值就從1700億美元升至4200億美元。截至2026年7月上旬，其市值穩定在3000億美元以上。它叫Palantir。今年5月披露的Q1財報顯示，其單季營收16.3億美元，同比增速85%，經營利潤率超過60%。在太平洋對岸，一批中國公司正在瞄準這個位置。2025年11月3日，“Agentic AI第一股”明略科技以141港元的發行價掛牌，開盤上漲117.73%，市值直接突破400億港元。3個月後，“AI Harness”海致科技上市首日開盤一度大漲260%，市值一度觸及390億港元。再加上迅策科技、更早上市的第四範式等公司，港股這一年多來接連迎來的“AI to B”新股，幾乎無一例外都在講同一個故事：中國的Palantir。用AI改造企業生產流程，是過去兩年被反覆押注的方向之一，但至今仍沒有跑出真正的規模化閉環。Palantir用二十年提前給出了一種答案，而它的“學徒們”，正在賭自己能不能在本土市場跑通同一件事。01.CIA、FBI是客戶，撐起3000億美元市值Palantir成立於2003年。它的技術起點與硅谷主流的AI公司完全不同，創始人Peter Thiel起初只是為了創立一家提前預判並幫助打擊恐怖主義的大數據分析公司。公司成立後的第一筆外部融資，來自於CIA旗下的風險投資機
AI應用的“最後一公里”，模型再強也繞不開數據困境丨ToB產業觀察
AI應用進入落地深水區，數據品質與基礎設施成為瓶頸，企業普遍面臨數據孤島、語義不一致與即時性不足等問題。數據虛擬化技術透過邏輯層整合分散數據源，無需物理搬遷，能有效提升數據準備效率、統一業務語義，並解決合規與權限控制難題，是AI實現價值的關鍵基礎。
36氪首發 | 前博世自動駕駛算法工程師創業，用合成數據做觸覺大模型
空間智能公司「大衍科技」近期完成數千萬元天使輪融資，由松禾資本領投，資金將用於觸覺大模型研發與機器人數據產線建設。公司自研觸覺手套與頭戴設備，以低成本合成數據及異購採集方式，解決機器人訓練數據瓶頸，毛利率超過60%。目前已實現商業化落地，首季營收超千萬元，預計今年下半年發布觸覺大模型，並規劃明年進軍海外市場。
AI 大模型周榜：代碼榜榜首易主，claude-opus-4-7-thinking 登頂
首頁 > 智能時代>人工智能 AI 大模型周榜：代碼榜榜首易主，claude-opus-4-7-thinking 登頂 2026/7/14 9:44:58 來源：IT之家 作者：小泵 責編：小泵 評論： IT之家 7 月 13 日消息，Arena（arena.ai）平臺發佈了最新一期 AI 大模型周榜，本期覆蓋 2026 年 7 月 6 日 ~2026 年 7 月 12 日。
全球首款AI智能體手機，來了：聯動支付寶、美團、滴滴、百度
上海大模型獨角獸階躍星辰於本月13日舉辦發表會，一口氣推出三項重量級新品：全球首款智慧體原生作業系統Step AOS、個人智慧體Amoo，以及大模型原生AI終端品牌STEPX。外界期待已久的全球首款大模型原生智慧型手機STEPX Neo，也在會中正式亮相。 STEPX Neo搭載階躍星辰自行研發的智慧體原生作業系統Step AOS，並內建新一代系統級個人智慧體Amoo。使用者不必再一個個手動開啟應用程式，只需像跟助理對話一樣說出需求，智慧體就能自動理解、規劃，並跨應用程式調度資源，最終完成任務。
階躍星辰的算盤不在手機上
階躍星辰昨日舉行發表會，一口氣端出四個新品：終端品牌 STEPX、名為 Step AOS 的作業系統、個人智慧體「階躍 Amoo」，以及一款手機 STEPX Neo。不過手機僅是「亮個相」，參數、價格、發售日全數留白。官方表示將聯合首批生態夥伴、上千名創客與一般用戶，展開為期一百天的共同定義計畫，百天後才進入下半場。 整場發表會看似熱鬧，但真正貫穿始終的主題其實是一個聽起來不怎麼性感的概念——記憶。官方在技術架構中明確指出，智慧體面前有三道關卡：記憶、決策、行動，記憶排在第一位。