Dots.OCR

dots.ocr 是一款功能强大的多语言文档解析器，它将布局检测与内容识别统一整合到一个视觉-语言模型中，并能有效保持正确的阅读顺序。尽管其基础模型参数仅为17亿，却已达到行业领先（SOTA）的性能水平。

1. 卓越性能：在 OmniDocBench 上，dots.ocr 在文本、表格及阅读顺序的解析任务上均实现了SOTA表现，同时其公式识别效果可媲美规模大得多的Doubao-1.5和Gemini 2.5-Pro等模型。
2. 多语言支持：dots.ocr 展现出对低资源语言的强大解析能力，在我们内部构建的多语言文档基准测试中，无论是在布局检测还是内容识别方面，均取得了显著优势。
3. 统一且简洁的架构：通过采用单一的视觉-语言模型，dots.ocr 提供了比传统依赖复杂多模型流水线的方法更为精简的架构。只需简单调整输入提示，即可轻松切换不同任务，充分证明了VLM模型同样能够实现与DocLayout-YOLO等传统检测模型相媲美的高效检测效果。
4. 高效快速的性能：基于紧凑的17亿参数LLM模型，dots.ocr 的推理速度远超许多其他采用更大基础模型但性能优异的同类产品。