# LightOnOCR-3: распознавание PDF и структуры страницы в трёх моделях

Источник: https://modelium.tech/zhurnal/lightonocr-3-local-pdf-ocr-layout-models/

LightOn выпустила LightOnOCR-3: три скачиваемые модели для распознавания страниц и разметки их структуры. Они могут выделять заголовки, таблицы и изображения; для знакомства есть удалённое демо, а локальный запуск пока требует технической настройки. Русские документы и домашнее железо редакция не тестировала.

LightOnOCR-3: три открытые модели для распознавания страниц PDF и схем документов

**Что изменилось 8 октября 2026 года.** LightOn представила LightOnOCR-3: семейство моделей, которые превращают страницу документа в текст и теперь могут отдельно обозначать заголовки, таблицы, изображения и их расположение. Это полезно, если нужно не просто скопировать текст из скана, а сохранить порядок чтения и понять, где на странице находятся важные блоки. Веса трёх версий доступны для скачивания; готового домашнего приложения с установкой в один щелчок авторы не предлагают. [s1](#src-s1)[s2](#src-s2)

## Что вы получите из документа

Обычный режим возвращает распознанную страницу в Markdown — текстовом формате, где сохраняются заголовки и структура. Новый режим `grounding` добавляет к каждому блоку его тип и прямоугольную область на странице. Это позволяет, например, отличить подпись от изображения или найти таблицу среди колонок отчёта. Для графика модель может предложить таблицу с прочитанными числовыми значениями, а для иллюстрации — короткое описание; эти значения нельзя принимать без сверки с оригиналом. [s1](#src-s1)[s2](#src-s2)

Представьте страницу счёта с номером, суммой и таблицей товаров. Практический результат — скопировать текст, увидеть, где находится таблица, и вручную сверить сумму и названия по исходному изображению. Здесь приведён **сценарий проверки, а не результат испытания редакции**: Modelium не запускал модели на таком счёте.

## Какие версии доступны и как их попробовать

Авторы опубликовали LightOnOCR-3-0.8B, LightOnOCR-3-1B и LightOnOCR-3-4B. Первую они называют самой лёгкой; 1B предназначена в том числе для перехода с предыдущего поколения; 4B они рекомендуют для задач, где важнее качество распознавания. В закреплённых репозиториях каждой версии лежит `model.safetensors` — файл весов; модели доступны без запроса доступа. Карточки помечены Apache-2.0, а авторы отдельно разрешают исследовательское и коммерческое использование. Это не означает, что любое стороннее приложение для запуска имеет ту же лицензию. [s1](#src-s1)[s2](#src-s2)[s3](#src-s3)[s4](#src-s4)

Если вы только знакомитесь с распознаванием документов, сначала можно оценить результат на **нечувствительном** учебном файле в [демо авторов](https://huggingface.co/spaces/lightonai/LightOnOCR-3-Demo). Демо работает удалённо, поэтому не отправляйте туда личные документы, считая эту проверку локальной. Для обработки на своём компьютере авторы дают пример на Python с Transformers и более сложный путь с vLLM и просмотрщиком. У последнего есть сервер, команды и ограничения версий: это инженерный, а не домашний рецепт «установил и нажал кнопку». Точные минимальные требования к оперативной и видеопамяти для личного компьютера не подтверждены; размер файла весов не равен требованию к памяти. [s2](#src-s2)[s3](#src-s3)[s5](#src-s5)

Если у вас уже есть такой локальный стек, проверьте одну неконфиденциальную страницу в обычном режиме, а затем с единственным текстовым запросом `grounding`. Авторский клиент сохраняет распознанный текст и, во втором режиме, блоки с координатами в отдельные файлы. Сверьте суммы, даты и порядок колонок с изображением. Этот путь описан **по документации**, редакция его не воспроизводила. [s2](#src-s2)[s5](#src-s5)

## Насколько надёжны заявления о качестве

В своём анонсе LightOn приводит результаты на olmOCR-Bench, ParseBench и французском наборе документов. Это **измерения авторов**, не тест Modelium на русском тексте или домашнем компьютере. Скоростные сравнения авторы провели на одном H100 с vLLM 0.30.0 и 512 страницами; H100 — условие их замера, а не минимальное оборудование для модели. [s1](#src-s1)[s6](#src-s6)

Есть расхождение даже между первоисточниками: анонс даёт для 4B на olmOCR-Bench общий результат **86,3**, а текущая таблица в репозитории с пометкой постобработки — **86,1**. Поэтому не стоит переносить одну из этих цифр в обещание качества на ваших файлах. Авторы также предупреждают, что оценка чувствительна к способу записи сносок и формул. Перед массовой обработкой проверьте свои сканы, особенно рукописные записи, мелкий текст и графики; отдельной проверки качества на русском корпусе в перечисленных источниках нет. [s1](#src-s1)[s6](#src-s6)

Для сравнения с уже описанными средствами посмотрите [выбор OCR для русских документов](/zhurnal/ocr-modeli/) и [разбор GLM-OCR на русских сканах](/zhurnal/glm-ocr-russkie-dokumenty/). Это другие модели: результаты LightOnOCR-3 на русском по этим страницам оценивать нельзя.

**Следующий шаг:** откройте карточку [LightOnOCR-3-0.8B](https://huggingface.co/lightonai/LightOnOCR-3-0.8B) и официальный пример, затем решите, достаточно ли вам удалённого ознакомительного демо или действительно нужен технический локальный запуск. [s2](#src-s2)

## Источники

1. [LightOn: анонс LightOnOCR-3, 8 октября 2026](https://huggingface.co/blog/lightonai/lightonocr-3) — получено 2026-10-08
2. [LightOnOCR-3-0.8B: закреплённая карточка и веса](https://huggingface.co/lightonai/LightOnOCR-3-0.8B/blob/4a953edfc77f0e435532c503dd69dd74663d44c3/README.md) — получено 2026-10-08
3. [LightOnOCR-3-1B: закреплённая карточка и веса](https://huggingface.co/lightonai/LightOnOCR-3-1B/blob/074b5c22acec8b9f9ba56bd20667061bb97a108c/README.md) — получено 2026-10-08
4. [LightOnOCR-3-4B: закреплённая карточка и веса](https://huggingface.co/lightonai/LightOnOCR-3-4B/blob/a06e5c5459551c9d1696468aece70ffbcf01ae62/README.md) — получено 2026-10-08
5. [LightOnOCR: официальный клиент, режимы и версии](https://github.com/lightonai/LightOnOCR/blob/36755d461be079737860a5f03ae0c803501269e9/README.md) — получено 2026-10-08
6. [LightOnOCR: авторские методы оценки и результаты](https://github.com/lightonai/LightOnOCR/blob/36755d461be079737860a5f03ae0c803501269e9/benchmarks/README.md) — получено 2026-10-08