腾讯混元发布端到端OCR大模型HyOCR-1.5并全栈开源

OmniTools 7月13日消息，腾讯混元正式发布HyOCR-1.5，为端到端OCR大模型领域首个实现训练、推理代码与模型权重全部开源的专家模型。该模型参数量为10亿，支持8种以上以文本为中心的任务。

HyOCR-1.5引入DFlash投机解码框架，在Transformers框架下推理速度提升6.37倍，vLLM框架下提升2.14倍，端到端单页处理耗时1.408秒。模型支持4K分辨率输入与128K上下文窗口。

通过Agentic Data Flow技术，HyOCR-1.5扩展了低资源语言OCR（覆盖331种语言）、古文字识别及多图问答能力，并在OmniDocBench v1.6评测中以94.74分位居端到端OCR任务榜首。