HunyuanOCR 1.5
HunyuanOCR 1.5 ir Tencent vieglā end-to-end OCR modeļa atjauninājums, kas saglabā 1.0 backbone un ir ātrāks un labāks long-tail uzdevumos.
Laidiens modelim Hunyuan OCR.
- Izlaists
- 2026. gada 7. jūlijā
- Modeļa ID
- tencent/HunyuanOCR
- Izmērs
- Tas pats backbone kā HunyuanOCR 1.0, plus mazs DFlash draft modelis
- Licence
- Tencent Hunyuan Community License (same as 1.0)
- Meklē arī kā
- hunyuanocr 1.5, hunyuan ocr 1.5, HunyuanOCR-1.5
Kas jauns HunyuanOCR 1.5
- DFlash spekulatīvā dekodēšana: mazs block-diffusion draft modelis piedāvā tokenus, kurus galvenais modelis pārbauda, saglabājot to pašu izvades sadalījumu.
- 6.37x ātrāka inference ar Transformers un 2.14x ar vLLM, pēc raksta datiem.
- Darbojas datorā caur llama.cpp un GGUF.
- Maksimālā attēla izšķirtspēja palielināta līdz 4K un konteksta logs līdz 128K.
- "Agentic Data Flow" apmācības dati senām rakstībām, mazresursu valodām, diagrammām, tabulām un vairāku attēlu jautājumiem.
HunyuanOCR 1.5 etaloni
| Etalons | Rezultāts | Piezīme |
|---|---|---|
| Inference paātrinājums, Transformers | 6.37x | |
| Inference paātrinājums, vLLM | 2.14x |
Rezultāti, kā tos publicējuši autori. Mēs tos neesam atkārtojuši.
Izmantojiet HunyuanOCR 1.5 caur API
OCRRouter darbina citu Hunyuan OCR laidienu kā tencent/hunyuan-ocr.
1DeepSeek-OCROpen-source vision model that compresses pages into few tokens.1 credit / page
deepseek/deepseek-ocr1 credit / page2PaddleOCR-VLOpen-source document model from Baidu. Excellent on Chinese, Japanese and Korean.6 credits / pagepaddle/paddleocr-vl6 credits / page3GLM-OCRSmall open-source OCR model from Z.ai with layout regions. MIT licensed.6 credits / pagezai/glm-ocr6 credits / pageHunyuan OCR versijas
- Hunyuan OCR: visas versijas, cena, ātrums un funkcijas vietnē OCRRouter
- HunyuanOCR 1.5 (2026. gada 7. jūlijā), šī lapa
Jautājumi
Avoti
Pēdējo reizi atjaunināts .