dots.ocr-1.5 开源：3B 多模态模型，能把图表直接转成 SVG 代码

rednote-hilab 在 Hugging Face 上发布了开源多模态 OCR 模型 dots.ocr-1.5，参数量只有 3B。

它能做什么

dots.ocr-1.5 主打多语言文档解析，号称能识别几乎所有人类文字系统，并在多语言解析上达到 SOTA 水平。

最吸引人的地方在于处理图表的方式。据 X 上的讨论指出，dots.ocr-1.5 非常擅长将图表、架构图等结构化图形直接转换成 SVG 代码。以往的 OCR 遇到图表往往只能提取零散的文本标签，或者干脆截成位图；直接把它转成可缩放、可编辑的矢量代码，完整保留了图表的结构信息。

模型权重目前已经在 Hugging Face 上开放下载，3B 的体积也意味着部署门槛相对亲民。

为什么重要

我们认为 dots.ocr-1.5 的实用价值很明确：如果你的工作流需要把大量带图表的 PDF、技术报告或论文转成高质量数字资产，它值得立刻拿来跑一跑。

比起动辄几十 B 的通用多模态大模型，3B 级别的小尺寸 OCR 部署成本低得多。直接输出 SVG 的思路也非常讨巧，省去了图表重建的繁琐后处理，对做知识库和文档解析工具的开发者来说是个省时的新选择。