LightOnOCR-2-1B 오픈소스 공개: 1B 크기로 9B 모델 넘은 초고속 OCR

LightOnOCR-2-1B는 스캔 문서, 서적, PDF 등을 정돈된 텍스트로 변환해 주는 1B 크기의 오픈소스 엔드투엔드 비전-언어 모델입니다.

여러 단계를 거치는 기존의 번거로운 파이프라인 대신, 페이지 이미지를 직접 읽어 자연스러운 읽기 순서대로 텍스트를 출력합니다. 일반 텍스트는 물론 표, 영수증, 다단 레이아웃, LaTeX 수식까지 깔끔하게 인식하며, 삽입된 이미지 영역을 찾아내는 기능도 갖췄습니다.

1B 크기로 거대 모델을 앞선 인식 성능과 처리 속도

1B에 불과한 소형 모델임에도 불구하고 성능은 매우 강력합니다. OlmOCR-Bench 벤치마크에서 83.2점을 기록하며, 약 9배 큰 파라미터를 가진 Chandra-9B를 1.5%p 이상 앞섰습니다.

속도와 비용 면에서도 압도적입니다. 단일 NVIDIA H100 80GB 환경에서 초당 5.71페이지를 처리하며, 1,000페이지당 처리 비용은 0.01달러도 들지 않습니다.

추론 속도를 비교하면 OlmOCR보다 1.7배, DeepSeekOCR보다 1.73배, PaddleOCR-VL-0.9B보다 2배, Chandra OCR보다 3.3배 빠릅니다.

모델 구성과 오픈소스 배포 내역

LightOn은 이번 모델군을 상업적 활용이 자유로운 Apache 2.0 라이선스로 배포했습니다. 텍스트 추출에 최적화된 기본 모델부터 삽입 이미지의 위치 좌표를 찾아주는 bbox 모델, 두 강점을 합친 soup 모델, 미세조정용 base 모델까지 다양하게 제공됩니다.

모델뿐만 아니라 학습에 사용된 1,600만 페이지 분량의 대규모 데이터셋과 50만 건의 이미지 위치 데이터셋도 함께 공개되었습니다. 현재 Hugging Face 데모 페이지에서 바로 문서를 넣어 테스트해 보거나 로컬에 직접 내려받아 실행할 수 있습니다.

왜 중요한가

RAG 파이프라인을 구축하거나 대량의 스캔 문서를 디지털화하려는 엔지니어에게 LightOnOCR-2-1B는 매우 매력적인 대안입니다.

복잡한 서식을 해석하기 위해 값비싼 대형 멀티모달 모델 API를 호출하거나 복잡한 OCR 툴체인을 유지보수할 필요가 줄어들었습니다. 1B 크기만으로도 최고 수준의 품질과 압도적인 처리 속도를 낼 수 있음을 입증한 만큼, 실제 서비스 파이프라인에 즉시 도입해 인프라 비용을 크게 절감할 수 있습니다.