LightOnOCR-2-1B 开源：仅 1B 参数，OCR 跑赢 9B 模型

LightOnOCR-2-1B 是一个专门用来把扫描件、PDF 和书籍转换成规整文本的端到端视觉语言模型，参数量只有 1B。

它最大的特点是扔掉了过去繁琐的多阶段流程，直接从页面图像一步到位输出自然阅读顺序的排版文本。除了常规文字识别，它还能应对表格、收据、表单、多栏排版以及 LaTeX 数学公式，甚至有专门的变体能顺手标出页面里插图的位置。

1B 参数跑出最强成绩

虽然体量只有 1B，但它的识别质量非常硬核。在 OlmOCR-Bench 基准测试里，LightOnOCR-2-1B 拿下了 83.2 分，不仅比自家上一代大幅提升，还直接击败了参数量接近其 9 倍的 Chandra-9B。

团队通过更干净的大规模训练数据、更高分辨率输入以及专项防死循环机制，让它在 ArXiv 论文、带数学公式的老旧扫描件以及复杂表格上表现尤其突出。

速度和成本更是这个尺寸的核心优势。在单张 NVIDIA H100 80GB 显卡上，它处理 OlmOCR-Bench 基准的吞吐速度达到每秒 5.71 页，折算下来每千页成本不到 0.01 美元。

在推理速度对比中，它比 OlmOCR 快 1.7 倍，比 PaddleOCR-VL-0.9B 快 2 倍，比 DeepSeekOCR 快 1.73 倍，比 Chandra OCR 更是快了 3.3 倍。

全家桶与开源细节

这次 LightOn 采用 Apache 2.0 协议彻底开源，放出来的不仅是一个权重，而是一整套工具。

如果你只需要纯文本识别，官方推荐默认的 LightOnOCR-2-1B 基础版；如果你需要定位文档中的图片和插图，可以使用 LightOnOCR-2-1B-bbox 版本；官方还提供通过模型融合平衡两项能力的 soup 版本，以及专门方便社区做微调的 base 底座。

不仅模型权重开源，团队还同步放出了训练用的两组高价值标注数据集，包括包含超 1600 万页文档的 LightOnOCR-mix-0126，以及接近 50 万条带图片边框标注的数据集。

想要尝试的话，可以在官方 Playground 在线上传文档体验，也可以直接从 Hugging Face 下载权重在本地部署。

为什么重要

对于需要搭建 RAG 知识库、批量处理扫描文档或电子书的开发者来说，LightOnOCR-2-1B 是目前性价比极高的开源选择。

过去处理复杂排版要么依赖庞大昂贵的多模态大模型，要么靠多组件拼接的传统流程，维护麻烦且速度慢。LightOn 证明了 1B 大小的轻量端到端模型完全能把文档解析这件事吃透，而且单卡就能跑出极高吞吐量。

我们认为它非常适合塞进中小团队的生产级数据流水线。只要你的业务主要集中在常规文档与欧洲语言处理，它能帮你省下大笔 API 费用和机器算力。