腾讯混元发布端到端OCR大模型HyOCR-1.5并全栈开源

2026/07/13 11:30

OmniTools 7月13日消息，腾讯混元正式发布HyOCR-1.5，为端到端OCR大模型领域首个实现训练、推理代码与模型权重全部开源的专家模型。该模型参数量为10亿，支持8种以上以文本为中心的任务。

HyOCR-1.5引入DFlash投机解码框架，在Transformers框架下推理速度提升6.37倍，vLLM框架下提升2.14倍，端到端单页处理耗时1.408秒。模型支持4K分辨率输入与128K上下文窗口。

通过Agentic Data Flow技术，HyOCR-1.5扩展了低资源语言OCR（覆盖331种语言）、古文字识别及多图问答能力，并在OmniDocBench v1.6评测中以94.74分位居端到端OCR任务榜首。

想继续了解，可以看这些

从这条动态出发，继续查看相关分析、产品详情和同主题更新。

从快讯延伸到产品观察、工具对比和行业分析。

按能力、行业和使用场景继续筛选可用工具。

为 AI 编码助手提供可运行的 API 沙盒，验证 Webhook 与工作流状态，避免集成上线后崩溃。

将你的完整开发环境装进口袋，通过手机远程运行 AI 智能体、终端、代码编辑器与浏览器 DevTools。

一款可在浏览器中运行的非线性视频编辑器，支持 AI 智能体通过 MCP/REST 直接驱动剪辑。

为 AI 智能体提供一站式实时数据访问网关，统一搜索、社交、金融与加密数据接口。