動察 Beatingのモニタリングによると、アリババクラウドはオープンソースの文書解析モデルOvisOCR2をリリースしました。このモデルはQwen3.5-0.8Bをベースにトレーニングされており、文書ページを直接Markdown形式に変換し、文字、数式、表、および読み取り順序を一度に復元できます。
従来、このようなタスクは通常、レイアウト分析、コンテンツ認識、結果の結合など複数のステップを経る必要がありました。OvisOCR2はエンドツーエンドモデルでこれを一気に完了し、デプロイがより簡単になり、多段階の伝達による誤差も低減できます。
OmniDocBench v1.6において、OvisOCR2の総合スコアは96.58に達し、パイプラインモデルPaddleOCR-VL-1.6の96.33を上回り、このベンチマークでトップに立った初のエンドツーエンドモデルとなりました。本モデルはApache 2.0ライセンスを採用し、ウェイトはHugging Faceと魔搭で公開されています。