LightOnOCR-3
LightOn 的 Apache 2.0 OCR 家族,有 4B、1B 和 0.8B 三种尺寸:输出 Markdown 转写,并给出边界框、图片描述和图表数据。
一句话概括. LightOnOCR-3 是一组小型 AI 模型,能读取扫描页和 PDF,并以 Markdown 返回文字。在第二种模式下,它们还会指出每个内容块在页面上的位置、描述图片,并把图表变成表格。你可以按需选择尺寸,从很小的 0.8B 到 4B,许可证允许商用。
概述
法国企业级 AI 公司 LightOn 于 2026 年 10 月 8 日发布 LightOnOCR-3 家族,此前 1 月发布过 LightOnOCR-2-1B。它有三种尺寸:LightOn 推荐用于大多数任务的 4B 模型;保留 LightOnOCR-2 架构、可直接替换升级的 1B 模型;以及追求速度的 0.8B 模型。0.8B 和 4B 采用 Qwen3.5 视觉语言架构,更容易在常见工具中运行。BF16 检查点分别约 9.1 GB、2.0 GB 和 1.7 GB。三者均为 Apache 2.0,模型卡列出的语言是英语。
每个模型有两种提示模式。空提示时,它像上一代一样把页面文字转写成 Markdown。用 grounding 提示时,它会给每个内容块打上标签(如正文、标题、表格、公式、脚注),并给出 0 到 1000 页面网格上的边界框;还会为每张图片写一句简短描述,并把图表变成数据点的 HTML 表格。grounding 会让输出长度增加约 25%,4B 模型平均每页 1,433 个 token,而纯转写是 1,158 个。
LightOn 的博客报告:4B 模型在 olmOCR-Bench 上得 86.3,比 35.1B 参数的 Infinity Parser Pro 低 1.3 分,比 Chandra 2 高 0.5 分;0.8B 得 85.5,1B 得 84.5。在 ParseBench 上,4B 和 0.8B 以 75.1 和 74.6 排第一和第二,略高于 Infinity Parser Pro 的 74.3。在一个法语文档基准上,4B 以 74.1 领先。这些测试是 LightOn 自己做的,而且在旧扫描件和页眉页脚上,这些模型落后于部分对手。
适合做什么
- 用一个模型把扫描件和 PDF 转成带版面标签和边界框的 Markdown
- 从图表中提取数据,并为检索流程生成图片的简短描述
- 用 0.8B 做快速的小型部署,或用 4B 追求最佳精度
- 在 Apache 2.0 下商用
需要注意
- 模型卡只列出英语,博客中的非英语结果仅限一个法语基准
- 0.8B 和 4B 需要较新的 Transformers 版本,5.5.4 或更高
- 只使用空提示或 grounding 提示;其他指令不在训练分布内
- 所有基准结果都来自 LightOn 自己的博客,且 4B 在 olmOCR-Bench 上低于 Infinity Parser Pro
性能数据来自开发方,未经独立验证。
需要多少内存?
以下为 LightOnOCR-3-0.8B 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 |
|---|---|---|---|---|---|
| LightOnOCR-3-0.8B BF16 | 853M | 1.96 GB | 0.981 GB | 0.589 GB | 笔记本或手机 |
| LightOnOCR-3-1B BF16 | 1.01B | 2.32 GB | 1.16 GB | 0.697 GB | 笔记本或手机 |
| LightOnOCR-3-4B BF16 | 4.54B | 10 GB | 5.22 GB | 3.13 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
最常见的宽松型许可证之一。你可以使用、修改模型并基于它销售产品,只需遵守少量条件。
延伸阅读
- MiniCPM-OCR 与 LightOnOCR-3 对比:该选哪个 Apache 2.0 OCR 模型?
- 2026 年最佳开源 OCR 与文档解析模型
- 欧洲研发的开放权重 AI 模型
- NVIDIA 的 Nemotron 3.5 Embed 和 Parse:把文档页面当作图像来检索和阅读
- 一年内十一个开源 OCR 模型:体积小,分数没法比
常见问题
- LightOnOCR-3 是什么?
- LightOnOCR-3 是一组小型 AI 模型,能读取扫描页和 PDF,并以 Markdown 返回文字。在第二种模式下,它们还会指出每个内容块在页面上的位置、描述图片,并把图表变成表格。你可以按需选择尺寸,从很小的 0.8B 到 4B,许可证允许商用。
- LightOnOCR-3 可以商用吗?
- 可以。LightOnOCR-3 采用 Apache 2.0 发布,这是一种宽松许可证。只要遵守常规条件(例如保留许可证声明),就可以商用。
- LightOnOCR-3 是开源的吗?
- LightOnOCR-3 采用 Apache 2.0 发布,该许可证经开源促进会(OSI)认可。训练数据和训练代码不一定公开,因此更准确的说法是“采用开源许可证的开放权重模型”。
- 我能在自己的电脑上运行 LightOnOCR-3 吗?
- 可以。最小版本 LightOnOCR-3-0.8B 在 4 位精度下约需 0.589 GB 内存,现代笔记本或中端显卡即可胜任。
- LightOnOCR-3 是什么时候发布的?
- LightOnOCR-3 由 LightOn 于 2026年10月8日 发布。
- LightOnOCR-3 的上下文窗口有多长?
- LightOnOCR-3 支持最长 256K 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。
- LightOnOCR-3: High-Performance OCR and Layout Extraction in One Model (Hugging Face blog, 8 Oct 2026) huggingface.co
- LightOnOCR-3-0.8B model card (Hugging Face) huggingface.co
- LightOnOCR-3-4B model card (Hugging Face) huggingface.co
- LightOnOCR-3-1B model card (Hugging Face) 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 |
|---|---|---|---|---|---|
| Chandra OCR 2 Datalab | 5.3B | 256K | OpenRAIL-M (Datalab) (附条件) | 3.66 GB 笔记本或手机 | |
| 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 | |
| DeepSeek-OCR 2 DeepSeek | 3.39B | – | Apache 2.0 (宽松) | 2.34 GB 笔记本或手机 |