ข้ามไปยังเนื้อหา

แท็ก

#document AI

3 บทความ

NeoMME: เอ็นโค้ดเดอร์มัลติโมดัล 260M/800M ที่โยน vision tower กับ causal decoder ทิ้ง — Apache 2.0 ชนะทุกตัวที่ต่ำกว่า 800M บน ViDoRe v3 และบีบดัชนีจาก 1.5 MB เหลือ 6 kB ต่อหน้า
โมเดลใหม่

NeoMME: เอ็นโค้ดเดอร์มัลติโมดัล 260M/800M ที่โยน vision tower กับ causal decoder ทิ้ง — Apache 2.0 ชนะทุกตัวที่ต่ำกว่า 800M บน ViDoRe v3 และบีบดัชนีจาก 1.5 MB เหลือ 6 kB ต่อหน้า

H Company ปล่อย NeoMME เอ็นโค้ดเดอร์มัลติโมดัล 260M และ 800M ใต้ Apache 2.0 ที่เทรนจากศูนย์ด้วย masked discrete diffusion โดยไม่ใช้ vision tower หรือ decoder แยก — รุ่น 260M ได้ nDCG@10 0.523 บน ViDoRe v3 สูงสุดในกลุ่มต่ำกว่า 800M ห่างจาก ColQwen2.5 ขนาด 3.75B แค่ 0.002 และอินเด็กซ์ 51 หน้าต่อวินาทีบน L40S ใบเดียว

· อ่าน 7 นาที
Marker 2 เขียนใหม่ทั้งตัว — แปลง PDF เป็น Markdown ได้ 76.0% บน olmOCR-bench เร็วกว่า MinerU 5 เท่า และโหมดไม่ใช้ GPU ก็ยังอ่านโครงสร้างเป็น
เครื่องมือนักพัฒนา

Marker 2 เขียนใหม่ทั้งตัว — แปลง PDF เป็น Markdown ได้ 76.0% บน olmOCR-bench เร็วกว่า MinerU 5 เท่า และโหมดไม่ใช้ GPU ก็ยังอ่านโครงสร้างเป็น

Datalab ปล่อย Marker 2.0.0 (20 ก.ค. 2026) เขียน pipeline แปลงเอกสารใหม่ทั้งตัวบน Surya OCR 2 + โมเดล layout 20M + pdftext ที่เร็วขึ้น 3 เท่า โหมด balanced ทำ 76.0% บน olmOCR-bench ที่ 2.9 หน้า/วินาที เร็วกว่า MinerU กว่า 5 เท่าโดยคะแนนสูงกว่า และมีโหมดรันบน CPU ล้วนไม่ต้องมี GPU เลย

· อ่าน 6 นาที
สัปดาห์โมเดล OCR โอเพนซอร์สมาแรง: PP-OCRv6 จิ๋ว 1.5M–34.5M รันบนเครื่องเล็กได้ + Baidu Unlimited OCR อ่านเอกสาร 40 หน้ารวดเดียว ส่วน Mistral OCR 4 เลือกปิดเวต
โมเดลใหม่

สัปดาห์โมเดล OCR โอเพนซอร์สมาแรง: PP-OCRv6 จิ๋ว 1.5M–34.5M รันบนเครื่องเล็กได้ + Baidu Unlimited OCR อ่านเอกสาร 40 หน้ารวดเดียว ส่วน Mistral OCR 4 เลือกปิดเวต

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

· อ่าน 6 นาที