HunyuanOCR
腾讯 1.1B 的端到端 OCR 模型:解析、定位、信息抽取和图像翻译,带 DFlash 解码;许可证不适用于欧盟、英国和韩国。
一句话概括. HunyuanOCR 是腾讯的小型 AI 模型,能识别照片、扫描件和 PDF 中的文字,还能抽取字段、定位文字并翻译图片里的文字。单张显卡或一台笔记本就能运行。但它的许可证不覆盖欧盟、英国和韩国。
概述
腾讯于 2025 年 11 月 25 日发布 HunyuanOCR 1.0,并于 2026 年 7 月 7 日发布 HunyuanOCR-1.5;Hugging Face 仓库的根目录现在放的是 1.5,旧的 1.0 归档在子文件夹里。它是一个约 11 亿参数的端到端视觉语言模型,BF16 约 2.2 GB。它能把文档解析成 Markdown、HTML 表格和 LaTeX 公式,也能做带位置的文字定位、信息抽取、图中文字翻译和多图问答。1.5 版没有改动骨干结构,而是把最大图像分辨率提高到 4K、上下文提高到 128K token,并增加了低资源语言、古文字以及图表解析的训练数据。
主要新增是 DFlash 推测解码:一个轻量的块扩散草稿模型一次提出多个 token,由主模型验证,输出保持不变。腾讯的报告给出 Transformers 下 6.37 倍、vLLM 下 2.14 倍的加速,并称该模型在 OmniDocBench v1.6 上位居端到端 OCR 系统的第一梯队。这些都是腾讯自己的数字。通过 llama.cpp 的 GGUF 路线可在 CPU、消费级显卡和笔记本上运行。统一的推理环境需要 CUDA 13 和 vLLM 0.25.1 或更高版本。
许可证是腾讯混元社区许可证,不是 Apache 或 MIT。它不适用于欧盟、英国和韩国;月活超过 1 亿需要另行授权;还禁止用模型或其输出去改进其他 AI 模型。基于 HunyuanOCR 做产品之前请先读许可证;如果需要宽松许可证,可以对比 PaddleOCR-VL 或 GLM-OCR。
适合做什么
- 用一个小模型完成文档解析、文字定位和字段抽取
- 翻译图片里的文字,如菜单、海报和截图
- 低资源语言和古文字 OCR,腾讯为此加入了针对性数据
- 通过 llama.cpp 在笔记本或消费级显卡上本地部署
需要注意
- 许可证不适用于欧盟、英国和韩国,并禁止用输出去改进其他 AI 模型
- 速度和排名的说法来自腾讯自己的报告
- 统一环境需要 CUDA 13,DFlash 草稿模型放在仓库的子文件夹里
- 旧的 1.0 检查点在 v1.0 子文件夹下,请下载正确的文件
性能数据来自开发方,未经独立验证。
需要多少内存?
以下为 HunyuanOCR-1.5 版本的估算。混合专家模型虽然每个 token 只用到部分专家,但所有专家都必须装进内存:总参数量决定所需内存,激活参数量决定速度。
| 版本 | 参数量 | BF16 | FP8 / INT8 | 4-bit (Q4) | 可运行于 |
|---|---|---|---|---|---|
| HunyuanOCR-1.5 BF16 | 1.12B | 2.58 GB | 1.29 GB | 0.773 GB | 笔记本或手机 |
估算方法:权重大小加约 15% 的运行开销。实际占用会随上下文长度增长,也取决于所用的软件。
许可证,用大白话说
免版税但限制实在的许可证。它只在欧盟、英国和韩国以外有效;月活超过 1 亿的大型服务需要先向腾讯申请;不能用模型或其输出去改进其他 AI 模型。
- 需要署名或标明模型名称
- 仅在营收低于上限时可免费商用
- 部分地区不授权
- 须遵守可接受使用政策
延伸阅读
- 2026 年最佳开源 OCR 与文档解析模型
- 2026 年最佳开源翻译模型
- 百度 ERNIE 5.5 Flash Base:280B 基础模型,许可证把欧盟排除在外
- 长大之前免费:开放许可证把线划在哪里
- 一年内十一个开源 OCR 模型:体积小,分数没法比
常见问题
- HunyuanOCR 是什么?
- HunyuanOCR 是腾讯的小型 AI 模型,能识别照片、扫描件和 PDF 中的文字,还能抽取字段、定位文字并翻译图片里的文字。单张显卡或一台笔记本就能运行。但它的许可证不覆盖欧盟、英国和韩国。
- HunyuanOCR 可以商用吗?
- 可以,但有条件。HunyuanOCR 采用 Tencent Hunyuan 发布,允许商用,但附带额外规则:需要署名或标明模型名称; 仅在营收低于上限时可免费商用; 部分地区不授权; 须遵守可接受使用政策。产品上线前请阅读许可证原文。
- HunyuanOCR 是开源的吗?
- HunyuanOCR 是开放权重模型,但不是严格意义上的开源。你可以下载模型文件,但 Tencent Hunyuan 附带了开源促进会的定义所不允许的条件。
- 我能在自己的电脑上运行 HunyuanOCR 吗?
- 可以。最小版本 HunyuanOCR-1.5 在 4 位精度下约需 0.773 GB 内存,现代笔记本或中端显卡即可胜任。
- HunyuanOCR 是什么时候发布的?
- HunyuanOCR 由 Tencent 于 2026年7月7日 发布。
- HunyuanOCR 的上下文窗口有多长?
- HunyuanOCR 支持最长 128K token 的上下文窗口。
官方链接
来源
规格数据来自以下一手资料。文中提到的基准测试结果由开发方自报。
- HunyuanOCR-1.5 model card (Hugging Face) huggingface.co
- HunyuanOCR-1.5: Making Lightweight OCR VLMs Faster and Better (technical report) arxiv.org
- HunyuanOCR repository and news (GitHub) github.com
- Tencent Hunyuan Community License (HunyuanOCR) huggingface.co
发布时间等信息最近核实于 2026年11月11日。
相关模型
| 模型 | 发布时间 | 参数量 | 上下文 | 许可证 | 最小版本所需内存 |
|---|---|---|---|---|---|
| PaddleOCR-VL Baidu | 960M | – | Apache 2.0 (宽松) | 0.662 GB 笔记本或手机 | |
| GLM-OCR Z.ai (Zhipu AI) | 900M | – | MIT (宽松) | 0.621 GB 笔记本或手机 | |
| MiniCPM-OCR 1.0 OpenBMB | 1.3B | 256K | Apache 2.0 (宽松) | 0.897 GB 笔记本或手机 | |
| Xiaomi-OCR-0 Xiaomi | 873M | 256K | Apache 2.0 (宽松) | 0.602 GB 笔记本或手机 |