Nanonets-OCR2
Nanonets-OCR2 دومین مدل باز تصویر به Markdown از Nanonets است. معادلات را به LaTeX، نمودارها را به Mermaid و چکباکسها را به نماد برمیگرداند.
نسخهای از Nanonets-OCR. نسخههای دیگر: Nanonets-OCR-s.
- تاریخ انتشار
- اکتبر 2025
- شناسه مدل
- nanonets/Nanonets-OCR2-3B, nanonets/Nanonets-OCR2-1.5B-exp
- اندازه
- 3B (بر پایه Qwen2.5-VL-3B-Instruct) و یک نسخه آزمایشی 1.5B
- مجوز
- Not stated on the model card
- جستجو شده با نام
- nanonets ocr 2, nanonets-ocr2, Nanonets-OCR2-3B
چه چیزی در Nanonets-OCR2 جدید است
- معادلات بهصورت LaTeX، با جدا نگه داشتن معادلات درونخطی و نمایشی.
- فلوچارتها و چارتهای سازمانی بهصورت کد Mermaid.
- امضا و واترمارک را تشخیص میدهد و چکباکسها را بهصورت نمادهای Unicode برمیگرداند.
- جدولهای پیچیده بهصورت Markdown یا HTML، و آموزش روی اسناد دستنویس به زبانهای زیاد.
- به پرسشها درباره سند پاسخ میدهد، یا میگوید "Not mentioned".
بنچمارکهای Nanonets-OCR2
| بنچمارک | امتیاز | توضیح |
|---|---|---|
| Markdown، مقایسه مستقیم با Nanonets-OCR-s | OCR2 preferred 58.28% | OCR-s در 30.61% ترجیح داده شد |
| DocVQA (IDP Leaderboard) | 89.43 | Qwen2.5-VL-72B: 84.00، Gemini 2.5 Flash: 85.51 |
| ChartQA (IDP Leaderboard) | 78.56 | Gemini 2.5 Flash: 84.82 |
امتیازها همانطور که نویسندگان منتشر کردهاند. ما آنها را دوباره اجرا نکردهایم.
استفاده از Nanonets-OCR2 از طریق API
OCRRouter نسخه دیگری از Nanonets-OCR را با شناسه nanonets/nanonets-ocr اجرا میکند.
نسخههای Nanonets-OCR
- Nanonets-OCR: همه نسخهها، قیمت، سرعت و امکانات در OCRRouter
- Nanonets-OCR2 (اکتبر 2025), این صفحه
- Nanonets-OCR-s (12 ژوئن 2025)
پرسشها
منابع
آخرین بهروزرسانی .