Mis on HunyuanOCR-1.5?
HunyuanOCR-1.5 on Tencenti praegune avatud kaaludega mudel optilise märgituvastuse (OCR) ja dokumendimõistmise jaoks. OCR tähendab tavaliselt pildil oleva teksti tuvastamist ja ümberkirjutamist, kuid see mudel on mõeldud enamaks kui lihtsalt tavalise tekstijada tagastamiseks. See suudab tõlgendada dokumendi paigutust ja sisu ning luua vorminguid, mis sobivad edasiseks tarkvaratöötluseks, sealhulgas Markdowni, HTML-tabeleid, LaTeX-i valemeid, tõlkeid ja struktureeritud väljavõtte tulemusi.
Mudelil on ligikaudu 1 miljard parameetrit, mistõttu on see paljudest üldotstarbelistest visioonikeele mudelitest märgatavalt väiksem ja paremini juurutatav. Selle ülesehitus keskendub tekstirohketele piltidele, skannitud dokumentidele, vormidele, tabelitele, graafikutele, valemitele ja mitmekeelsetele lehtedele. Praegune ametlik mudelihoidla on tencent/HunyuanOCR; aktiivne kontrollpunkt on HunyuanOCR-1.5, samal ajal kui varasem HunyuanOCR-1.0 kontrollpunkt on hoidla kataloogis v1.0 arhiveeritud.
Tencent avaldas HunyuanOCR-1.5 7. juulil 2026. Versioon 1.5 säilitab kerge arhitektuuri, kuid lisab täiustatud treenimisretsepti, Agentic Data Flow andmekonstruktsiooni, DFlash-i spekulatiivse dekodeerimise pikemate väljundite kiirendamiseks ning PC-põhise juurutamise llama.cpp kaudu.
Mida HunyuanOCR-1.5 teha suudab?
HunyuanOCR-1.5 ühendab visuaalse sisendi ülesandejuhistega. Selle asemel et käsitleda iga lehte lihtsalt pildilt tekstiks teisendamise probleemina, saavad kasutajad küsida konkreetset tüüpi tulemust. Ametlik järelduskomplekt toetab järgmisi ülesandetüüpe: doc_parse, structured_parse, spotting_json, layout_parse, chart_parse, formula ja table.
- Dokumendi pars erimine: Teisendab lehed loetavaks Markdowniks või muudeks tekstipõhisteks esitusteks, säilitades kasuliku dokumendistruktuuri.
- Struktureeritud parsimine: Ekstraheerib vormidest, aruannetest, arvetest ja muudest dokumentidest väljad struktureeritud tulemuseks.
- Teksti tuvastamine: Tuvastab pildil oleva teksti ja tagastab asukohapõhist teavet, sealhulgas JSON-il põhinevaid tuvastustöövooge.
- Paigutuse parsimine: Eristab dokumendi piirkondi ning aitab säilitada pealkirjade, lõikude, tabelite, jooniste ja muude elementide vahelisi seoseid.
- Tabelite tuvastamine: Teisendab visuaalsed tabelid struktureeritud või HTML-i laadseteks esitusteks, selle asemel et muuta need raskesti loetavaks sõnade jadaks.
- Valemite tuvastamine: Transkribeerib matemaatilised valemid LaTeX-i või muusse tekstiesitusse.
- Graafikute parsimine: Töötleb graafikuid ning nendega seotud silte ja andmepõhist sisu.
- Teksti ja pildi tõlkimine: Tõlgib visuaalsetes dokumentides sisalduvat teksti, sealhulgas mitmekeelsetel või segakeelsetel lehtedel.
Need võimalused muudavad mudeli kõige kasulikumaks siis, kui dokumendi paigutus on oluline. Näiteks tabeli väljavõtmiseks, valemi säilitamiseks või vormi väljade tuvastamiseks on vaja enamat kui üksikute märkide äratundmist.
Sisendid, väljundid ja toetatud modaalsused
Mudel võtab vastu tekstijuhiseid ja pilte. Praktilises kasutuses antakse pilt koos viibaga, mis määrab soovitud toimingu, näiteks lehe parsimise, tabeli ekstraheerimise või tekstituvastuse koordinaatide tagastamise. Mudeli väljundid on tekst või struktureeritud tekst. See ei genereeri algupäraselt pilte, heli ega videot.
See eristus on oluline HunyuanOCR-1.5 multimodaalse mudelina hindamisel. Selle sisend on multimodaalne, sest mudel suudab töödelda visuaalseid dokumente ja tekstiviipasid, kuid väljund keskendub tekstile. Struktureeritud tulemused võivad sõltuvalt ülesandest olla vormindatud JSON-i, Markdowni, HTML-i või LaTeX-ina, kuid esitatud uurimismaterjal ei tuvasta eraldi üldotstarbelise JSON-režiimi garantiid. Seetõttu tuleks struktureeritud parsimist ja JSON-il põhinevaid ülesandetöövooge käsitleda ülesandespetsiifiliste väljundvormingutena, mitte universaalse piiratud dekodeerimise režiimi tõendina.
Juurutamine, kiirus ja kohalik kasutus
HunyuanOCR-1.5 levitatakse peamiselt allalaaditavate kaaludena, et mudelit Tencent Hunyuan Community License Agreementi alusel ise majutada. Dokumenteeritud juurutusvõimalused hõlmavad Transformersi, vLLM-i, SGLangi ja llama.cpp-d pärast GGUF-i teisendamist. See annab arendajatele mitu juurutusviisi: Pythonil põhineva mudelikäituse, tootmiskasutuseks mõeldud järeldusserverid või llama.cpp kaudu kohaliku CPU- või GPU-põhise kasutuse.
Versioon 1.5 lisab DFlash-i spekulatiivse dekodeerimise. Spekulatiivne dekodeerimine kasutab kiiremat abiprotsessi, et kiirendada põhimest genereerimist, mis on eriti oluline pikki struktureeritud dokumente loovate OCR-tööde puhul. Tencent esitleb seda täiendusena, mis parandab pika vormiga järeldamise kiirust. Esitatud uurimismaterjal ei paku universaalset märki sekundis võrdlusnäitajat, mistõttu sõltub tegelik jõudlus riistvarast, pildi eraldusvõimest, kvantimisest, teenindusraamistikust, pakktöötlusest ja väljundi pikkusest.
Esitatud tehniliste andmete kohaselt toetab mudel ka voogedastust ja pakktöötlust. Pakktöötlust pakub avatud lähtekoodiga tööriistakomplekt, mitte eraldi dokumenteeritud Tencenti hallatav pakktöötluse API. See eristus on oluline: kohalik pakktöötlus võib olla kasulik dokumendiarhiivide puhul, kuid ei tähenda, et Tencent pakuks selle kontrollpunkti jaoks hallatavat pakktöötlusteenust.
Konteksti- ja väljundipiirangud
Tencenti vLLM-i seadistus dokumenteerib mudeli maksimaalseks pikkuseks 131,072 tokenit. See on avaldatud konteksti pikkuse näitaja teeninduskonfiguratsiooni jaoks, kuid seda ei tohiks tõlgendada garantiina, et iga juurutus suudab nii suurt sisuhulka tõhusalt töödelda. Pildi eraldusvõime, visuaalne keerukus, GPU-mälu, pakktöötlus ja valitud järeldusraamistik mõjutavad kõik tegelikku mahtu.
Ametlik klient toetab pikkade OCR-väljundite jaoks kuni 32,768 tokeni pikkuseid genereerimispäringuid. See piirang puudutab genereeritud väljundit, mitte mudeli täielikku konteksti. Seega võivad suurt dokumenti endiselt piirata piltide, viipade, konteksti kasutuse ja soovitud vastuse pikkuse omavahelised suhted. Tavalise üheleheküljelise OCR-i puhul ei ole maksimum tõenäoliselt piirav tegur; mitmeleheküljelise parsimise ja üksikasjaliku struktureeritud ekstraheerimise korral muutub see olulisemaks.
Hind ja ligipääs
HunyuanOCR-1.5 jaoks ei tuvastatud ametlikku Tencenti majutatud hinnastust tokenipõhiselt. Mudelit levitatakse peamiselt allalaaditavate avatud kaaludega failidena ise majutatud järeldamiseks, seega ei ole mudeli otsene hind tavapärane kuu- või tokenipõhine API-tellimus.
Ise majutamine ei ole tasuta. Kasutajad peavad tagama sobiva arvutusvõimsuse, salvestusruumi ja tööinfrastruktuuri ning kogukulu sõltub sellest, kas mudel töötab tööjaamas, tarbijaseadmes või tootmisserveris. Väiksem mudel võib võrreldes suuremate visioonikeele süsteemidega vähendada järeldamise nõudeid, kuid uurimismaterjal ei määra universaalset riistvaranõuet ega kulu. Enne kontrollpunkti äriprotsessi kaasamist peaksid arendajad tutvuma ka Tencent Hunyuan Community License Agreementiga.
Peamised tugevused ja kompromissid
HunyuanOCR-1.5 kõige selgem tugevus on spetsialiseerumine. See keskendub dokumendi tekstile, paigutusele, tabelitele, valemitele, graafikutele ja ekstraheerimisele, mitte üldise vestlusassistendina toimimisele. See fookus võib muuta mudeli sobivamaks korduvate OCR-töövoogude jaoks, kus väljundvorming ja dokumendistruktuur on olulised.
Veel üks praktiline eelis on ligikaudu 1 miljardi parameetri suurus, mis hõlbustab kohalikku juurutamist. Avatud kaalude, mitme teenindusvõimaluse, llama.cpp kaudu pakutava GGUF-i toe, voogedastuse ja pakktöötlustööriistade kombinatsioon annab meeskondadele rohkem kontrolli andmekäitluse ja taristu üle kui ainult majutatud teenus. DFlash-i spekulatiivne dekodeerimine on eriti asjakohane töökoormuste puhul, mis loovad pikki dokumendiesitusi.
Sellel on ka selged kompromissid. Spetsialiseerunud OCR-mudel ei ole vaikimisi õige valik laiapõhjaliseks arutlemiseks, avatud dialoogiks, tarkvaraarenduseks, piltide genereerimiseks, heli töötlemiseks või video genereerimiseks. Esitatud toimetuslik hinnang peab selle sobivust arutlemiseks ja kodeerimiseks väiksemaks kui sobivust kiiruse ja kulu seisukohast; need on toimetuslikud hinnangud, mitte Tencenti avaldatud võrdlustulemused. Seda ei tohiks esitleda suurema multimodaalse arutlusmudeli üldotstarbelise asendusena.
Selles kontrollpunktis ei ole esitatud uurimismaterjalide põhjal tööriista- ega funktsioonikutsete tuge dokumenteeritud. Samuti ei ole tuvastatud üldist veebotsingu võimalust. Rakendused, mis vajavad sirvimist, väliseid toiminguid või agendilaadset orkestreerimist, peavad need võimalused mudeli ümber ise lisama, mitte eeldama, et need on sisseehitatud.
Parimad kasutusjuhud
- Skannitud dokumentide teisendamine Markdowniks või muuks struktureeritud tekstiks.
- Tabelite ekstraheerimine aruannetest, vormidest ja muudest visuaalsetest dokumentidest.
- Valemite tuvastamine ja nende säilitamine LaTeX-ina.
- Graafikute, paigutuste ja dokumendipiirkondade parsimine.
- Nimeliste väljade ekstraheerimine dokumentidest struktureeritud parsimise ülesannete abil.
- Teksti tuvastamise ja asukohapõhise OCR-i töövood.
- Mitmekeelsete või segakeelsete dokumentide töötlemine.
- OCR-i kohalik käitamine, kui dokumendid peavad jääma kontrollitud keskkonda.
- Dokumendikogumite pakktöötlus avatud lähtekoodiga järeldustööriistakomplekti abil.
Millal valida HunyuanOCR-1.5?
Vali HunyuanOCR-1.5 siis, kui keskne probleem on visuaalse teksti mõistmine ning vajad allalaaditavaid kaalusid, kohalikku juurutamist ja ülesandespetsiifilisi dokumendiväljundeid. See sobib eriti hästi juhul, kui tabelid, valemid, paigutus või struktureeritud väljad on olulisemad kui vestluslik suhtlus. Mudeli suurus ja toetatud juurutusviisid muudavad selle kaalumist väärt ka siis, kui järeldamise kiirus, taristu kontroll või käituskulu on olulisemad kui maksimaalne üldotstarbeline arutlusvõime.
Majutatud OCR-API võib olla sobivam, kui meeskond ei soovi hallata GPU-sid, mudelite teenindamist, uuendusi ega litsentsi ülevaatamist. Suurem üldotstarbeline visioonikeele mudel võib olla eelistatavam siis, kui OCR on ainult üks osa töövoost, mis nõuab ka keerukat arutlemist, kodeerimist, laiapõhjalist dialoogi, tööriistade kasutamist või dokumendiväliste piltide tõlgendamist. Tavapärane OCR-mootor võib jääda eelistatavaks kitsalt määratletud suuremahulise teksti transkribeerimise ülesande puhul, kui täiustatud paigutuse, graafikute, valemite või ekstraheerimise võimalusi pole vaja.
Piirangud, millega arvestada
HunyuanOCR-1.5 vajab tõhusaks järeldamiseks ühilduvat visioonikeele teenindusvirna ja piisavat arvutusvõimsust. Praktilised tulemused sõltuvad pildi kvaliteedist, eraldusvõimest, lehe keerukusest, keelte kombinatsioonist, teeninduskonfiguratsioonist ja soovitud väljundvormingust. Avaldatud materjalid ei esita üldist teadmiste lõppkuupäeva ning see mõiste on visuaalsele OCR-ile spetsialiseerunud mudeli puhul vähem asjakohane kui vestlusliku keelemudeli puhul.
Mudelil ei ole tuvastatud täpse kontrollpunkti ametlikku majutatud hinnastust, dokumenteeritud üldist tööriistakasutuse liidest ega eraldi üldotstarbelise JSON-režiimi garantiid. Selle struktureeritud ülesandetüüpe ei tohiks segi ajada laiapõhjaliste agendivõimalustega. Rakendustes, mis nõuavad garanteeritud skeeme, võib väline valideerimine endiselt vajalik olla.
Üldjoontes tuleks HunyuanOCR-1.5 mõista kui fookustatud ja kohapeal juurutatavat dokumendiluure mudelit. Selle väärtus tuleneb OCR-i ühendamisest paigutust arvestava parsimise ja struktureeritud dokumendiväljundiga, mitte toimimisest universaalse multimodaalse assistendina.