LightOnOCR-2-1B 開源：僅 1B 引數，OCR 跑贏 9B 模型

LightOnOCR-2-1B 是一個專門用來把掃描件、PDF 和書籍轉換成規整文本的端到端視覺語言模型，引數量只有 1B。

它最大的特點是扔掉了過去繁瑣的多階段流程，直接從頁面影像一步到位輸出自然閱讀順序的排版文本。除了常規文字識別，它還能應對錶格、收據、表單、多欄排版以及 LaTeX 數學公式，甚至有專門的變體能順手標出頁面裡插圖的位置。

1B 引數跑出最強成績

雖然體量只有 1B，但它的識別質量非常硬核。在 OlmOCR-Bench 基準測試裡，LightOnOCR-2-1B 拿下了 83.2 分，不僅比自家上一代大幅提升，還直接擊敗了引數量接近其 9 倍的 Chandra-9B。

團隊通過更乾淨的大規模訓練資料、更高解析度輸入以及專項防死迴圈機制，讓它在 ArXiv 論文、帶數學公式的老舊掃描件以及複雜表格上表現尤其突出。

速度和成本更是這個尺寸的核心優勢。在單張 NVIDIA H100 80GB 顯示卡上，它處理 OlmOCR-Bench 基準的吞吐速度達到每秒 5.71 頁，折算下來每千頁成本不到 0.01 美元。

在推理速度對比中，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。

全家桶與開源細節

這次 LightOn 採用 Apache 2.0 協議徹底開源，放出來的不僅是一個權重，而是一整套工具。

如果你只需要純文本識別，官方推薦預設的 LightOnOCR-2-1B 基礎版；如果你需要定位文件中的圖片和插圖，可以使用 LightOnOCR-2-1B-bbox 版本；官方還提供通過模型融合平衡兩項能力的 soup 版本，以及專門方便社群做微調的 base 底座。

不僅模型權重開源，團隊還同步放出了訓練用的兩組高價值標註資料集，包括包含超 1600 萬頁文件的 LightOnOCR-mix-0126，以及接近 50 萬條帶圖片邊框標註的資料集。

想要嘗試的話，可以在官方 Playground 在線上傳文件體驗，也可以直接從 Hugging Face 下載權重在本地部署。

為什麼重要

對於需要搭建 RAG 知識庫、批次處理掃描文件或電子書的開發者來說，LightOnOCR-2-1B 是目前價效比極高的開源選擇。

過去處理複雜排版要麼依賴龐大昂貴的多模態大模型，要麼靠多元件拼接的傳統流程，維護麻煩且速度慢。LightOn 證明了 1B 大小的輕量端到端模型完全能把文件解析這件事吃透，而且單卡就能跑出極高吞吐量。

我們認為它非常適合塞進中小團隊的生產級資料流水線。只要你的業務主要集中在常規文件與歐洲語言處理，它能幫你省下大筆 API 費用和機器算力。