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。ParseBench 75.20,OpenMDW-1.1。

一句话概括. Nemotron 3.5 Parse 会查看文档页面的图片,按阅读顺序写出其中的文本、表格和图表数据,并给出每个元素的位置。它只有 6.31 亿参数,公司可以商用。模型卡列出的测试环境是 Linux 和 NVIDIA H100、H200 GPU。

概述

NVIDIA 在 2026 年 10 月 17 日把 Nemotron 3.5 Parse 发布到了 Hugging Face,并在 10 月 21 日的博客文章中与 Nemotron 3.5 Embed 和 Rerank 一起介绍。它把页面图像转换成结构化输出:Markdown 文本、表格、图表数据、标题和图注等元素类别、阅读顺序和边界框,可以导出为 Markdown、HTML 或 JSON。模型有 6.31 亿参数,由 C-RADIOv4-SO400M 视觉编码器和 10 层 mBART 解码器组成,带有一个多 token 预测头用于加快解码,11 月 4 日又加入了 8,900 万参数、用于推测解码的 DFlash2 草稿模型。NVIDIA 在 163 个语言和文字条目上评估了它的 OCR 能力。

每个页面做多少处理由你选择。单次模式把整页解析一次,两次模式会用更高的细节重新解析检测到的表格和图表,三次模式还会额外运行一个独立的版面检测器。NVIDIA 报告三种模式的 ParseBench 分数分别为 72.74、74.92 和 75.20,在一张 H100 上每秒处理 16.1、11.2 和 10.5 页。三次模式的分数是 NVIDIA 对比中最高的,但只比 75.10 的 LightOnOCR-3-4B 高 0.1 分。其他模型的分数是它们公开发布的数字,而每秒处理页数是 NVIDIA 自己的测量,在 NVIDIA 的表格里 Parse 每秒处理 13.5 页,LightOnOCR-3-4B 为 2.8 页。

许可证是 OpenMDW-1.1,附带的分词器采用 MIT,模型卡称它可用于商业或非商业用途。BF16 权重约 2.7 GB。模型卡给出了 Transformers(需要 trust-remote-code)和 vLLM 的用法,也可以通过 NVIDIA Build API 或 Baseten 调用。建议的最大输入是 1,664 × 2,048 像素,所以 PDF 要先渲染成页面图像。

适合做什么

  • 把扫描或渲染后的 PDF、幻灯片和表单转成 Markdown、HTML 或 JSON,并保留阅读顺序和边界框
  • 大批量解析,因为一次、两次或三次处理可以在准确度和速度之间权衡
  • 与 Nemotron 3.5 Embed 和 Rerank 搭配的搜索流程
  • 表格密集的文档,NVIDIA 的三次模式表格得分为 84.67

需要注意

  • 图表提取是 NVIDIA 各类别分数中最弱的,为 64.40,而表格为 84.67
  • 输出是带控制 token 和归一化坐标的字符串,因此需要 NVIDIA 的后处理工具
  • 输入只能是页面图像,建议的最大尺寸是 1,664 × 2,048 像素
  • 对比中其他模型的分数是公开发布的数字,速度数字是 NVIDIA 自己的测量
  • 模型卡列出的测试环境是 Linux 和 NVIDIA H100、H200 GPU

性能数据来自开发方,未经独立验证。

需要多少内存?

以下为 Nemotron 3.5 Parse 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
Nemotron 3.5 Parse BF16 631M 1.45 GB 0.726 GB 0.435 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。

显存计算器

许可证,用大白话说

由 Linux 基金会和 PyTorch 基金会为机器学习模型撰写的简短宽松许可证。它把模型、数据、文档和软件作为整体一并授权,且不限制你如何使用模型的输出。

进一步了解 OpenMDW-1.1

延伸阅读

常见问题

Nemotron 3.5 Parse 是什么?
Nemotron 3.5 Parse 会查看文档页面的图片,按阅读顺序写出其中的文本、表格和图表数据,并给出每个元素的位置。它只有 6.31 亿参数,公司可以商用。模型卡列出的测试环境是 Linux 和 NVIDIA H100、H200 GPU。
Nemotron 3.5 Parse 可以商用吗?
可以。Nemotron 3.5 Parse 采用 OpenMDW-1.1 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。
Nemotron 3.5 Parse 是开源的吗?
Nemotron 3.5 Parse 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 OpenMDW-1.1 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 Nemotron 3.5 Parse 吗?
可以。最小版本 Nemotron 3.5 Parse 在 4 位精度下约需 0.435 GB 内存,现代笔记本或中端显卡即可胜任。
Nemotron 3.5 Parse 是什么时候发布的?
Nemotron 3.5 Parse 由 NVIDIA 于 2026年10月17日 发布。

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。

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
LightOnOCR-3 LightOn 853M – 4.54B 256K Apache 2.0 (宽松) 0.589 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
Chandra OCR 2 Datalab 5.3B 256K OpenRAIL-M (Datalab) (附条件) 3.66 GB 笔记本或手机
Nemotron 3.5 Embed NVIDIA 1.55B – 8.38B 32K OpenMDW-1.1 (宽松) 1.46 GB 笔记本或手机