6.5亿参数跑到83.3%，Surya OCR 2成3B以下开源OCR新标杆

开源文档智能平台 Datalab 正式发布全新多语言 OCR 开源模型 Surya OCR 2 。新模型仅有 6.5 亿参数，在权威文档智能评测 olmOCR-bench 中取得 83.3% 的成绩，在 30 亿参数以下级别位列第一，性能甚至超越了体积约 14 倍的初代 90 亿参数版本，实现了参数量与准确率的帕累托最优。在功能上， Surya OCR 2 将版面分析、文本识别和表格识别等三大任务收拢到单一视觉语言模型（ VLM ）中，而文本行检测与 OCR 错漏检测仍通过独立的轻量级模型运行。用户通过单次模型调用便能完成全页 OCR 识别，输出包含坐标框和阅读顺序的结构化 HTML 代码，其中数学公式以 HTML math 标签输出，跨行跨列表格则被整理为标准 HTML 格式。而在多语言支持上，新模型在 91 种语言的测试中取得 87.2% 的综合通过率（中文通过率 82.5% ），并对残损文档与手写体进行深度优化。在部署效率上， Surya OCR 2 支持两大推理后端。系统在英伟达 GPU 设备上运行 Docker 并启用 vLLM 后端，单张 RTX 5090 显卡能实现每秒 5.35 页的超高吞吐率。在苹果设备或普通 CPU 环境下，系统则通过 llama.cpp 载入 GGUF 格式，在 M1 电脑上实现完全的本地端侧运行。目前，新模型的源代码基于 Apache 2.0 协议开源，权重基于 OpenRAIL-M 协议免费提供给个人、高校及年收入 500 万美元以下的初创企业。而 Datalab 官方也同步开放了搭载更强 40 亿参数 Chandra 2 模型的付费 API ，并赠送 5 美元体验额度。[原文链接](动察 Beating)