2026 年最佳开源 OCR 与文档解析模型
文档 OCR 已经变成小模型的竞赛。下面的模型能把页面、表格、公式和图表转成 Markdown 或结构化文本,大多数参数不到 50 亿,一张消费级 GPU 就够用。每个条目都会说明模型的设计目标,以及许可证对你的要求。
-
Unlimited-OCR 下载量最高
百度的 3.3B、MIT 许可证模型,专为长文档设计:一次能解析几十页到 100 多页。它是本站收录的下载量最高的 OCR 模型,截至 2026 年 11 月 11 日的 30 天内约有 570 万次下载。
-
PaddleOCR-VL
百度飞桨的 0.9B、Apache 2.0 文档解析模型,能处理表格、公式、图表和印章。它在 OmniDocBench v1.6 上自报 96.33%,这个自报分数与该基准其他版本上的分数不可直接比较。
-
GLM-OCR
智谱 Z.ai 的 0.9B、MIT 许可证模型,带 SDK,支持表格、公式和表单提取。它在 OmniDocBench V1.5 上自报 94.62。
-
DeepSeek-OCR 2
DeepSeek 的 3.4B、Apache 2.0 模型,是 DeepSeek-OCR 的后继者。它的新编码器按含义重新排列视觉 token,而不是按扫描顺序阅读。
-
HunyuanOCR
腾讯的 1.1B 端到端模型,可做文档解析、文字定位、信息抽取和图像翻译。它的许可证不覆盖欧盟、英国和韩国。
-
LightOnOCR-3
LightOn 的 Apache 2.0 模型家族,有 4B、1B 和 0.8B 三种规格。它输出 Markdown,还能返回边界框、图像描述和图表数据。
-
Nemotron 3.5 Parse
NVIDIA 的 631M 页面解析模型,输出文本、表格、图表数据、阅读顺序和边界框,遇到难页面可选单遍、双遍或三遍解析。NVIDIA 报告三遍模式在 ParseBench 上得分 75.20,在它自己的表格里只比 LightOnOCR-3-4B 高 0.1。OpenMDW-1.1。
-
NuExtract3
NuMind 的 4.5B、Apache 2.0 模型,能按你定义的 JSON 模板填写字段,或输出 Markdown,推理可开可关。NuMind 自己的测试里,它在尚未公开的提取基准上领先 Gemma-4-E4B-it 和 Qwen3.5 模型,截至 2026 年 11 月 11 日的 30 天内约有 4.07 万次下载。
-
MiniCPM-OCR 1.0 最新
最新的一款,2026 年 10 月 27 日发布。1.3B、Apache 2.0,面向中英文文档,带 SDK 和版面分析阶段,支持 iOS 和 llama.cpp。
-
Xiaomi-OCR-0
小米的 0.9B、Apache 2.0 模型,基于 Qwen3.5-0.8B 构建。在开发者自己的表格中,它在 Real5-OmniDocBench 上排名第一。
-
Chandra OCR 2
Datalab 的 5.3B 模型,支持 90 多种语言,输出 Markdown、HTML 或 JSON 并保留版面。许可证对研究和小团队免费,但禁止提供竞品的组织使用。
-
Surya OCR 2
Datalab 的 650M 模型,文件仅 1.4 GB:支持 91 种语言的文字、版面、阅读顺序和表格,通过 vLLM 或 llama.cpp 在 GPU、CPU 或 Apple Silicon 上运行。Datalab 自己的表格给出 olmOCR-bench 得分 83.3%,权重只在营收和融资都低于 500 万美元时免费。
我们如何筛选
- 现在就能从开发者官方仓库下载权重。
- 只收录当前版本,被同一开发者的新版本取代的模型(例如最初的 DeepSeek-OCR)不在其中。
- OmniDocBench 等基准上的分数属于自测,而且常常使用不同的基准版本,所以我们不按它们排名。
- 我们完整阅读了每个许可证,因为其中一些模型按地区或按竞争产品限制商业使用。