PaddleOCR-VL-1.6

Mistral-7B-v0.1

AI 模型

具有 70 亿参数的预训练生成文本模型，旨在通过开源推动人工智能的发展。它在各种基准测试中超越了 Llama 2 13B，使其成为自然语言处理任务的强大工具。Mistral-7B-v0.1 是一个具有 70 亿参数的预训练生成文本模型，旨在通过开源推动人工智能的发展。它在各种基准测试中超越了 Llama 2 13B，使其成为自然语言处理任务的强大工具。

GLM-OCR

AI 模型

多模态 OCR 模型，旨在实现复杂文档理解。它通过多标记预测损失和稳定的强化学习提高训练效率和识别准确性。该模型针对现实场景进行了优化，在各种文档布局中提供强大的性能。GLM-OCR 是一个多模态 OCR 模型，旨在实现复杂文档理解。它通过多标记预测损失和稳定的强化学习提高训练效率和识别准确性。该模型针对现实场景进行了优化，在各种文档布局中提供强大的性能。

LightOnOCR-3-4B

AI 模型

高性能的 OCR 模型，提供先进的布局和视觉理解能力。它为视觉元素提供准确的转录和边界框坐标，适用于复杂的文档处理任务。LightOnOCR-3-4B 是一款高性能的 OCR 模型，提供先进的布局和视觉理解能力。它为视觉元素提供准确的转录和边界框坐标，适用于复杂的文档处理任务。

Youtu-Parsing-Omni

AI 模型

多功能的全模态解析模型，可以将文档、图像、图表和视频等多种输入转换为结构化的 JSON。它在感知和认知任务中表现出色，为各种解析需求提供统一的架构。Youtu-Parsing-Omni 是一个多功能的全模态解析模型，可以将文档、图像、图表和视频等多种输入转换为结构化的 JSON。它在感知和认知任务中表现出色，为各种解析需求提供统一的架构。

Florence-2 模型

AI 模型

微软开发的先进视觉基础模型，旨在处理各种视觉和视觉语言任务。它采用基于提示的方法来处理诸如图像描述和物体检测等任务，利用庞大的数据集进行多任务学习。Florence-2 是微软开发的先进视觉基础模型，旨在处理各种视觉和视觉语言任务。它采用基于提示的方法来处理诸如图像描述和物体检测等任务，利用庞大的数据集进行多任务学习。

RolmOCR

AI 模型

Reducto AI开发的开源OCR工具，相比其前身olmOCR，提供更快的处理速度和更低的内存使用。它旨在高效处理各种文档类型，而无需使用元数据输入。RolmOCR是Reducto AI开发的开源OCR工具，相比其前身olmOCR，提供更快的处理速度和更低的内存使用。它旨在高效处理各种文档类型，而无需使用元数据输入。

DeepSeek V4 Flash

AI 模型

为高级文本生成任务设计的 AI 模型集合。它利用开源和开放科学原则来实现人工智能的民主化，提供一系列具有不同参数的模型，以满足多样化的应用需求。DeepSeek V4 Flash 是一个为高级文本生成任务设计的 AI 模型集合。它利用开源和开放科学原则来实现人工智能的民主化，提供一系列具有不同参数的模型，以满足多样化的应用需求。

Llama-4-Scout-17B-16E-Instruct

AI 模型

Meta 设计的多模态 AI 模型。它利用专家混合架构提供先进的文本和图像理解能力，支持多语言输出和针对多种应用的微调。Llama-4-Scout-17B-16E-Instruct 是 Meta 设计的多模态 AI 模型。它利用专家混合架构提供先进的文本和图像理解能力，支持多语言输出和针对多种应用的微调。