IXThinker·2025-11-30 12:50

騰訊混元開源1B輕量OCR視覺語言模型

騰訊混元大模型團隊發布並開源HunyuanOCR，一款僅1B參數的商業級OCR視覺語言模型，採用原生ViT配輕量LLM架構。其在感知與語義兩類任務均交出亮眼成績，上線即獲主流開源推理生態支援。

輕量級統一架構

HunyuanOCR只有1B參數，採用原生ViT與輕量LLM結合的架構，以統一框架覆蓋文本檢測識別、複雜文檔解析，以及資訊抽取、文字圖像翻譯等語義任務，做到真端到端處理。