[AI相关] 新OCR模型发展的真快啊

我最近在关注RAG,接触到很多OCR相关的小模型,现在的模型已经可以直接输出格式化的文本了,相当方便

模型	出品方	发布时间	参数量	核心亮点	中文支持
MonkeyOCR	华中科技大学 & 金山办公	2026年1月 (首次发布)2026年7月 (中文优化更新)	未明确	复杂表格解析 (精度超90%)	原生支持
GLM-OCR	智谱AI	2026年2月3日	0.9B	极致轻量高效，支持多令牌预测，SOTA性能	原生支持
HunyuanOCR	腾讯	2025年11月25日	1.0B	端到端专家模型，推理速度快，支持14种语言	原生支持
Qianfan-OCR	百度	2026年3月19日	4B	端到端统一模型，Layout-as-Thought机制，长上下文	原生支持
MinerU	上海AI Lab	2024年7月5日 (首次开源)	1.2B	一站式工具链，生态成熟，可集成第三方OCR引擎	原生支持
Hiro-MOSS-OCR	PatSnap (智慧芽)	2026年5月26日	0.3B	超轻量，面向块级文档理解，结构化输出	原生支持

这是我最近测试的中文ocr,百度千帆效果比较好,但是比较大,日常用GLM-OCR 效果算是比较好的了,minerU本机部署去年要20GB,现在大概1G的量化模型都可以达到去年的效果了,直接输出markdown table用html输出,效果还不错,发展神速

当然 ,闭源的Mistral OCR 3 效果也很牛逼,但是如果不是复杂的表格,这些小模型够用了