HunyuanOCR 1.5
HunyuanOCR 1.5 е надградба на лесниот end-to-end OCR модел на Tencent што го задржува backbone-от од 1.0 и е побрз и подобар на long-tail задачи.
Издание на Hunyuan OCR.
- Објавен
- 7 јули 2026
- ID на моделот
- tencent/HunyuanOCR
- Големина
- Ист backbone како HunyuanOCR 1.0, плус мал DFlash draft модел
- Лиценца
- Tencent Hunyuan Community License (same as 1.0)
- Се пребарува и како
- hunyuanocr 1.5, hunyuan ocr 1.5, HunyuanOCR-1.5
Што е ново во HunyuanOCR 1.5
- DFlash спекулативно декодирање: мал block-diffusion draft модел предлага токени што главниот модел ги проверува, со иста дистрибуција на излезот.
- 6.37x побрзо инференцирање со Transformers и 2.14x со vLLM, според трудот.
- Работи на PC преку llama.cpp и GGUF.
- Максималната резолуција на слика е зголемена на 4K, а контекстот на 128K.
- Податоци за тренинг "Agentic Data Flow" за антички писма, јазици со малку ресурси, графикони, табели и прашања со повеќе слики.
Бенчмарки за HunyuanOCR 1.5
| Бенчмарк | Резултат | Забелешка |
|---|---|---|
| Забрзување на инференција, Transformers | 6.37x | |
| Забрзување на инференција, vLLM | 2.14x |
Резултати според авторите. Не сме ги повториле.
Користете го HunyuanOCR 1.5 преку API
OCRRouter извршува друго издание на Hunyuan OCR како 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 / pageВерзии на Hunyuan OCR
- Hunyuan OCR: сите верзии, цена, брзина и функции на OCRRouter
- HunyuanOCR 1.5 (7 јули 2026), оваа страница
Прашања
Извори
Последно ажурирано .