แท็ก
4 บทความ
Cohere เปิดตัว Parse เมื่อ 27 ส.ค. — vision language model ขนาด 2.3B (~4.6GB) แปลง PDF, PPT, JPEG เป็น Markdown พร้อมตารางและ bounding box โดยไม่มีชั้น OCR แยก ทำ ParseBench 79.2 เหนือ Mistral OCR 4 ที่ 74.5 ความเร็ว 4.5 หน้า/วินาที ราคา $1.50 ต่อ 1,000 หน้า — แต่ระบุภาษาที่เสถียรไว้ 9 ภาษา ไม่มีไทย
Moonshot AI เปิด benchmark ใหม่ 3,000 ข้อที่วัดการรับรู้ภาพล้วน ๆ โดยตัดการให้เหตุผลและความรู้ภายนอกออก ผลคือโมเดลชั้นนำ 16 ตัวไม่มีใครแตะ 60% — GPT-5.6 Sol นำที่ 59.7% และหมวดที่แย่ที่สุดคือ hallucination
10 ส.ค. 2026 Hugging Face จับมือ EleutherAI ปล่อย FineBooks — ชุดทดสอบ 2,165 หน้าจากหนังสือพิมพ์เก่าพร้อมคำตอบที่มนุษย์ถอดไว้ แล้ววัด OCR โอเพนซอร์ส 14 ตัว ผลคือโมเดลเล็กระดับ 1B ตามหลังรุ่นใหญ่แค่ไม่ถึงจุดเดียว
สัปดาห์นี้ (22–23 มิ.ย. 2026) เป็นสัปดาห์ของโมเดลอ่านเอกสาร: PaddlePaddle เปิด PP-OCRv6 ตระกูล OCR โอเพนเวตขนาดจิ๋ว 1.5M–34.5M พารามิเตอร์ที่รันบนเครื่องเล็ก/edge ได้, Baidu ปล่อย Unlimited OCR ที่อ่านเอกสารยาว 40+ หน้าในรอบเดียว (MIT) แซง DeepSeek-OCR ขณะที่ Mistral OCR 4 ทำคะแนนนำแต่เลือกปิดเวตให้ใช้ผ่าน API เท่านั้น