一年内十一个开源 OCR 模型:体积小,分数没法比
2025 年 10 月到 2026 年 10 月,十一个开源 OCR 模型陆续发布。它们多为 1B 到 5B 参数,采用 Apache 2.0 或 MIT 许可证,但基准版本各不相同,分数无法排名。
从 2025 年 10 月 20 日到 2026 年 10 月 27 日,十一个开源 OCR 与文档解析模型进入了我们的目录,从 DeepSeek-OCR 到 MiniCPM-OCR。放在一起看,规律很明显:它们体积都不大,多数采用宽松的许可证,而且各自公布的分数没法放在一起比较。
这十一个模型
| 模型 | 发布时间 | 参数 | 许可证 | 突出特点 |
|---|---|---|---|---|
| DeepSeek-OCR(旧版) | 2025 年 10 月 | 3B | MIT | 把页面文字压缩成很少的视觉 token |
| DeepSeek-OCR 2 | 2026 年 1 月 | 3.4B | Apache 2.0 | 按语义给视觉 token 排序的编码器 |
| GLM-OCR | 2026 年 2 月 | 0.9B | MIT | 带 SDK,支持表单提取 |
| Chandra OCR 2 | 2026 年 3 月 | 5.3B | 修改版 OpenRAIL-M | 90 多种语言,支持手写体 |
| PaddleOCR-VL | 2026 年 5 月 | 0.96B | Apache 2.0 | 支持图表和印章 |
| Unlimited-OCR | 2026 年 6 月 | 3.3B | MIT | 一次处理几十页到 100 多页 |
| HunyuanOCR | 2026 年 7 月 | 1.1B | 腾讯混元社区许可 | 翻译图像中的文字 |
| Xiaomi-OCR-0 | 2026 年 9 月 | 0.9B | Apache 2.0 | 基于 Qwen3.5-0.8B |
| LightOnOCR-3 | 2026 年 10 月 | 0.8B、1B、4B | Apache 2.0 | 边界框和图表数据 |
| Nemotron 3.5 Parse | 2026 年 10 月 | 0.63B | OpenMDW-1.1 | 一到三遍解析,在准确率和速度间取舍 |
| MiniCPM-OCR | 2026 年 10 月 | 1.3B | Apache 2.0 | 中英文,支持 iOS 和 llama.cpp |
它们都很小
这十一个模型的主检查点都没有超过 5.3B 参数,其中七个只有 1.3B 左右或更少:GLM-OCR、PaddleOCR-VL、HunyuanOCR、Xiaomi-OCR-0、LightOnOCR-3、Nemotron 3.5 Parse 和 MiniCPM-OCR。按我们的估算,这一级别的模型在 BF16 下约需 1 到 3 GB 内存,一张消费级 GPU 或一台笔记本就放得下。而像 Qwen3.6 这样的通用模型有 27B 或 35B,需要的内存要多得多。正因为体积小,这些模型才适合批量任务,例如把一大批 PDF 档案转成文本,供检索增强生成使用。
多数许可证宽松
十一个模型中有九个采用 MIT(三个)、Apache 2.0(五个)或宽松的 OpenMDW-1.1(一个)。两个例外带有实实在在的条件:
- Chandra OCR 2 只有上一年营收低于 200 万美元、累计融资也低于 200 万美元的组织才能免费商用,它的许可证还禁止与 Datalab 竞争的产品。
- HunyuanOCR 在欧盟、英国和韩国不授权,它的许可证禁止用其输出来改进其他 AI 模型。
DeepSeek 在两代之间也换了许可证:第一代是 MIT,DeepSeek-OCR 2 是 Apache 2.0。
下载量讲的是另一个故事
Hugging Face 上的下载量和基准表格讲的是不同的故事。截至 2026 年 11 月 11 日的 30 天内,Unlimited-OCR 约有 570 万次下载,是我们目录中下载量最高的 OCR 模型,而第一代 DeepSeek-OCR 虽然被我们标为旧版,仍有约 190 万次。下载量说明有多少人在尝试一个模型,而不是它好不好用。
分数没法排名
几乎每个模型卡都引用了一个分数,但来源各不相同:
- GLM-OCR 报告在 OmniDocBench 1.5 版上得 94.62,PaddleOCR-VL 报告在 1.6 版上得 96.33%。
- Xiaomi-OCR-0 在自己的表格里,报告在衍生数据集 Real5-OmniDocBench 上排名第一。
- Unlimited-OCR 报告了 MarathonDocBench 上的结果,这个基准是百度创建的。
- LightOnOCR-3 的结果来自自己的博客,博客中提到 4B 模型在 olmOCR-Bench 上的得分低于 Infinity Parser Pro。
- DeepSeek-OCR 2 的模型卡没有公布基准表格。
- Nemotron 3.5 Parse 报告的是又一个基准 ParseBench,在 NVIDIA 自己的表格里,它最慢的模式得 75.20,LightOnOCR-3-4B 为 75.10。
不同基准版本的分数不能比较,而且上面每个数字都来自开发者自己。GLM-OCR 与 PaddleOCR-VL 对比展示了这样的一对。
该怎么做
先看功能和许可证,再看你自己的测试页面。需要版面边界框和图表数据,就想到 LightOnOCR-3;提取字段,想到 GLM-OCR;很长的多页文件,想到 Unlimited-OCR;翻译图像里的文字,想到 HunyuanOCR;在 NVIDIA GPU 上大批量解析,想到 Nemotron 3.5 Parse;手机上使用,想到 MiniCPM-OCR。我们的指南如何选择 OCR 模型把这些变成了操作步骤,OCR 与文档模型榜单则把整套模型放在一处。
来源
- DeepSeek-OCR 模型卡(Hugging Face) huggingface.co
- DeepSeek-OCR-2 模型卡(Hugging Face) huggingface.co
- GLM-OCR 模型卡(Hugging Face) huggingface.co
- Announcing Chandra OCR 2: 90+ Languages, Top Benchmarks(Datalab) datalab.to
- PaddleOCR-VL-1.6 模型卡(Hugging Face) huggingface.co
- Unlimited-OCR-2 模型卡(Hugging Face) huggingface.co
- HunyuanOCR-1.5 模型卡(Hugging Face) huggingface.co
- Xiaomi-OCR-0 模型卡(Hugging Face) huggingface.co
- LightOnOCR-3: High-Performance OCR and Layout Extraction in One Model(Hugging Face 博客) huggingface.co
- Nemotron-3.5-Parse 模型卡(Hugging Face) huggingface.co
- MiniCPM-OCR 1.0 模型卡(Hugging Face) huggingface.co
本文涉及的模型
| 模型 | 发布时间 | 参数量 | 上下文 | 许可证 | 最小版本所需内存 |
|---|---|---|---|---|---|
| DeepSeek-OCR DeepSeek | 3.34B 激活 570M | – | MIT (宽松) | 2.3 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 | |
| GLM-OCR Z.ai (Zhipu AI) | 900M | – | MIT (宽松) | 0.621 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 | |
| PaddleOCR-VL Baidu | 960M | – | Apache 2.0 (宽松) | 0.662 GB 笔记本或手机 | |
| Unlimited-OCR Baidu | 3.34B | – | MIT (宽松) | 2.3 GB 笔记本或手机 | |
| HunyuanOCR Tencent | 1.12B | 128K | Tencent Hunyuan (附条件) | 0.773 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 | |
| LightOnOCR-3 LightOn | 853M – 4.54B | 256K | Apache 2.0 (宽松) | 0.589 GB 笔记本或手机 | |
| Nemotron 3.5 Parse NVIDIA | 631M | – | OpenMDW-1.1 (宽松) | 0.435 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 |