Jina OCR v1: локальный разбор документов и границы лицензии

Что именно делает Jina OCR v1?

Jina AI публикует открытую для загрузки модель Jina-OCR-v1 для разбора изображения документа в текстовую и структурированную форму; карточка относит её к image-text-to-text, а не к самостоятельному сервису сверки документов с 1С s1. Авторы описывают архитектуру как зрительный DeepEncoder и MoE-декодер на базе DeepSeek-OCR; FastMTP — отдельный ускоряющий механизм в пути vLLM s1 s6. На вход локального примера подаётся один файл изображения, на выходе получается распознанный текст; чтение многостраничного PDF и постобработка полей учётной системы в этом примере не реализованы s4. Для PDF сначала определите собственный способ рендеринга страниц и качество исходных сканов — не приписывайте их модели.

Карточка отмечает multilingual, но не приводит отдельную подтверждённую оценку по русским счетам, УПД или рукописным актам s1 s5. Это кандидат для испытания на русских документах, а не подтверждённое решение для них. Если нужна именно прикладная задача реквизитов, начните с маршрута проверки документов для 1С и держите OCR отдельно от валидации полей.

Как выбрать локальный путь запуска?

Transformers. Репозиторий поставляет example.py: он загружает AutoProcessor и AutoModelForCausalLM, преобразует изображение в RGB, подготавливает OCR-ввод и декодирует текст. По коду параметр --backend transformers допускает явное устройство cpu либо cuda; наличие опции CPU не обещает приемлемую скорость или достаточный объём памяти s4. Начните с проверки ревизии на Hugging Face и следуйте примеру автора именно на закреплённом SHA, а не произвольному стороннему GGUF. Веса и пользовательский Python-код лежат в одном снимке s1 s4.

vLLM. Для этого пути карточка автора требует vLLM не ниже 0.21, добавление каталога снимка в путь импортов и однократную регистрацию архитектуры перед созданием LLM(...); FastMTP настраивается через поставляемые функции, а не одной заменой названия backend s1. Сам example.py вызывает register() и отдельные параметры speculative decoding s4. По данным авторов, ускорение измерялось при определённых GPU, параллельности и версии движка; не переносите эти цифры на своё устройство и не обещайте той же скорости s1 s6. В обычном Transformers-пути FastMTP не включён s1. Если нужна лишь проверка качества нескольких страниц, сначала отделите её от оптимизации сервера.

Файл индекса весов содержит два shard и total_size: 6744476160 байт для тензоров; наличие обоих shard видно в снимке репозитория s3. Это не минимальная RAM или VRAM: помимо весов память занимают runtime, изображение, активации и генерация. Конфигурация показывает max_position_embeddings: 32768 и MTP-поля, но эти настройки сами по себе не гарантируют точность на длинном документе s2. Для оценки оборудования используйте отдельный разбор памяти и затем измеряйте реальный запуск с фиксированной версией.

Где проходит граница лицензии и безопасности?

В карточке Jina OCR v1 указано CC BY-NC 4.0, а для коммерческого использования автор предлагает связаться с ним s1. Условие NonCommercial в тексте лицензии означает, что нельзя автоматически считать публикацию весов разрешением на коммерческое внедрение; конкретный рабочий сценарий и отдельное разрешение нужно согласовать до пилота в бизнесе s7. Это не юридическое заключение и не утверждение, что любой внутренний тест запрещён. Доступность репозитория, право на коммерческое использование весов, условия библиотек и права на исходные документы — разные проверки.

Оба примера загрузки модели используют trust_remote_code=True либо импортируют поставляемый код, то есть локальное приложение выполняет Python из внешнего снимка s1 s4. Hugging Face рекомендует проверять пользовательский код перед запуском и закреплять ревизию: trust_remote_code нельзя трактовать как песочницу s8. Не загружайте реальные договоры в облачный Reader или Playground Jina под видом локального теста: карточка предлагает их как отдельные hosted-маршруты с API-ключом s1. Для закрытого контура отдельно проверяйте сеть, загрузку весов и хранение тестовых файлов.

Что говорят опубликованные оценки и как проверить свои сканы?

Карточка приводит 91.14 на OmniDocBench v1.6 и 83.4 overall на olmOCR-Bench. Это результаты, заявленные авторами на двух разных бенчмарках, не универсальная доля правильно заполненных полей русского счёта; машинный файл оценок подтверждает 83.4 для overall и отдельно хранит оценки категорий, которые нельзя складывать s1 s5 s6. В техническом отчёте условия сравнения и тестовые данные описаны авторами; Modelium не повторял их измерения s6.

Для собственного выбора возьмите набор обезличенных страниц, где вручную известны текст, суммы, даты, номера и структура строк. На одинаковых входах запишите SHA модели, версию Transformers либо vLLM, параметры подготовки изображения и результат; отдельно посчитайте пропуски символов, перестановку строк, ошибки табличных ячеек и долю полей, подтверждённых оригиналом. Это предлагаемый протокол, не уже проведённый опыт Modelium. Если модель не справилась, сравните результат с другими OCR-подходами и GLM-OCR на тех же файлах, а не по несопоставимым рекламным баллам.

Следующий шаг: откройте сценарий распознавания документов для 1С, подготовьте обезличенную контрольную выборку и сверяйте извлечённые поля с оригиналом вручную. Для коммерческого использования Jina OCR v1 до внедрения отдельно проясните право на такой сценарий s1 s7.