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

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. s1s2

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. s1s2s3s4

Если вы только знакомитесь с распознаванием документов, сначала можно оценить результат на нечувствительном учебном файле в демо авторов. 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. s2s3s5

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. s2s5

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. s1s6

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. s1s6

Для сравнения с уже описанными средствами посмотрите выбор OCR для русских документов и разбор GLM-OCR на русских сканах. Это другие модели: результаты LightOnOCR-3 на русском по этим страницам оценивать нельзя.

Следующий шаг: откройте карточку LightOnOCR-3-0.8B и официальный пример, затем решите, достаточно ли вам удалённого ознакомительного демо или действительно нужен технический локальный запуск. s2