阿里云0.8B小模型OvisOCR2登顶文档解析基准

阿里云发布了OvisOCR2，一个仅有0.8B参数的开源文档解析模型。尽管体积小，它在OmniDocBench v1.6基准测试中获得了96.58分，排名第一，成为首个击败传统流水线方法的端到端模型。这标志着文档智能的突破。

多年来，文档解析依赖于多步骤流水线：先分析布局，再识别内容。这种方法维护成本高、错误累积、部署复杂。OvisOCR2改变了游戏规则，使用单一模型直接输出包含文本、公式、表格和视觉区域的Markdown，并按自然阅读顺序排列。

基于Qwen3.5-0.8B，该模型结合了真实数据和合成数据，并使用了监督微调（SFT）、强化学习（RL）、在线策略蒸馏（OPD）和模型集成来释放其全部潜力。

关键点：

• OvisOCR2是一个0.8B参数的端到端文档解析模型。
• 在OmniDocBench v1.6上获得96.58分，排名第一。
• 首个超越传统流水线方法的端到端模型。
• 使用SFT、RL、OPD和模型集成来提升性能。