Pular para o conteúdo
Local AI Wizard
Sua máquina
Tema

Qianfan-OCR

Baidu · baidu/Qianfan-OCR

Licença dos pesos: Apache 2.0 · código e componentes podem ter outros termos

Informado pelo publicador26 resultadosFicha de Baidu · lida em 2026-10-25 · sem ranking · ver
Memória necessária~4 GBPesos Q4 + margem, antes da reserva da máquina
Parâmetros4,7 BTotal de safetensors no Hub
Repositório atualizado2026-04-29Um commit não é data de lançamento

Qualidade

Sem score comparável

Ainda não acompanhamos benchmark público e comparável que cubra este modelo. Nenhuma nota é inferida.

Informado pelo publicador

26 resultados · ficha de Baidu · lida em 2026-10-25
OmniDocBench v1.5 (Overall Score)
93,12Document Parsing
OlmOCR Bench (Overall Score)
79,8OCR
OCRBench (Score)
880OCR
Overall ↑
93,12Qianfan-OCR (Ours) · OmniDocBench v1.5 (Document Parsing) · End-to-end
TextEdit ↓
0,041Qianfan-OCR (Ours) · OmniDocBench v1.5 (Document Parsing) · End-to-end
FormulaCDM ↑
92,43Qianfan-OCR (Ours) · OmniDocBench v1.5 (Document Parsing) · End-to-end
TableTEDs ↑
91,02Qianfan-OCR (Ours) · OmniDocBench v1.5 (Document Parsing) · End-to-end
TableTEDss ↑
93,85Qianfan-OCR (Ours) · OmniDocBench v1.5 (Document Parsing) · End-to-end
Todos os resultados informados26
R-orderEdit ↓
0,049Qianfan-OCR (Ours) · OmniDocBench v1.5 (Document Parsing) · End-to-end
OCRBench
880Qianfan-OCR (Ours) · General OCR Benchmarks
CCOCR-multilan
76,7Qianfan-OCR (Ours) · General OCR Benchmarks
CCOCR-overall
79,3Qianfan-OCR (Ours) · General OCR Benchmarks
DocVQA
92,8Qianfan-OCR · Document Understanding
CharXiv_DQ
94,0Qianfan-OCR · Document Understanding
CharXiv_RQ
85,2Qianfan-OCR · Document Understanding
ChartQA
88,1Qianfan-OCR · Document Understanding
ChartQAPro
42,9Qianfan-OCR · Document Understanding
ChartBench
85,9Qianfan-OCR · Document Understanding
TextVQA
80,0Qianfan-OCR · Document Understanding
OCRVQA
66,8Qianfan-OCR · Document Understanding
Overall
87,9Qianfan-OCR (Ours) · Key Information Extraction (KIE)
OCRBench KIE
95,0Qianfan-OCR (Ours) · Key Information Extraction (KIE)
OCRBenchv2 KIE (en)
82,8Qianfan-OCR (Ours) · Key Information Extraction (KIE)
OCRBenchv2 KIE (zh)
82,3Qianfan-OCR (Ours) · Key Information Extraction (KIE)
CCOCR KIE
92,8Qianfan-OCR (Ours) · Key Information Extraction (KIE)
Nanonets KIE (F1)
86,5Qianfan-OCR (Ours) · Key Information Extraction (KIE)

Valores como impressos na ficha, com a configuração do próprio publicador (seção da ficha: Benchmark Results › OmniDocBench v1.5 (Document Parsing); Benchmark Results › General OCR Benchmarks). Não comparáveis entre publicadores e fora de qualquer ranking. Ficha do modelo

Roda em

Cabe na memória rápida 118

A estimativa de planejamento cabe na memória que o modelo usa rápido: a VRAM da placa de vídeo, ou a memória unificada dentro da fatia de GPU do macOS.

Mostrar todos os 118

Na memória, fora da parte rápida 1

Dentro da memória da máquina, fora da parte rápida: na placa de vídeo, as camadas que não cabem rodam na CPU a partir da RAM do PC (a RAM informada, ou 32 GB presumidos); no Mac, acima da fatia de GPU padrão do macOS. Não é um número de velocidade.

Perfis de hardware agrupados pela estimativa de planejamento Q4 em cada máquina (GPUs dedicadas reservam 2 GB; memória unificada e do sistema, 25%, de 2 a 8 GB): cabe na memória rápida, fica na memória mas fora da parte rápida (camadas na RAM do PC, ou acima da fatia de GPU do macOS), ou falta um degrau de memória. Não é compatibilidade nem velocidade medida.

Considere para

Baidu lançou Qianfan-OCR em 2026-03-18: um modelo de visão e linguagem que responde sobre imagens, com 4,74B parâmetros pela contagem do Hugging Face e licença Apache 2.0. Idiomas declarados pelo publicador: Multilíngue.

Confira antes

Licença: uso comercial permitido. Em Q4 os pesos somam cerca de 3,6 GB antes da reserva de cada máquina; resolução da imagem, quadros de vídeo e contexto somam memória, e o encoder visual precisa de suporte no runtime escolhido.

Velocidade medida

Nenhuma medição publicada para este checkpoint

Tokens por segundo só aparecem quando uma fonte os publica com hardware, build e configuração. Nunca são estimados.

Como rodar

Compatibilidade de runtime e tokens por segundo não foram medidos para este registro. Metadados publicados e estimativa de memória não comprovam uma execução local.

Biblioteca na fonte: transformers

Formas documentadas de rodar

Copiado como aparece na fonte vinculada (lida em 2026-10-18); não executado por este site.

Transformers · ficha do modelo · Basic Usage
from transformers import AutoModelForImageTextToText, AutoProcessor
import torch
from PIL import Image

MODEL_PATH = "baidu/Qianfan-OCR"
model = AutoModelForImageTextToText.from_pretrained(
    MODEL_PATH,
    torch_dtype=torch.bfloat16,
    device_map="auto",
).eval()
processor = AutoProcessor.from_pretrained(MODEL_PATH)

image = Image.open("./examples/document.png").convert("RGB")
prompt = "Parse this document to Markdown."
messages = [
    {
        "role": "user",
        "content": [
            {"type": "image", "image": image},
            {"type": "text", "text": prompt},
        ],
    },
]

inputs = processor.apply_chat_template(
    messages,
    add_generation_prompt=True,
    tokenize=True,
    return_dict=True,
    return_tensors="pt",
).to(model.device)

with torch.no_grad():
    output_ids = model.generate(
        **inputs,
        max_new_tokens=512,
        do_sample=False,
    )

generated_ids = output_ids[:, inputs["input_ids"].shape[1]:]
response = processor.batch_decode(generated_ids, skip_special_tokens=True)[0]
print(response)
vLLM · ficha do modelo · vLLM Deployment
# Serve with vLLM for high-throughput inference
vllm serve baidu/Qianfan-OCR --trust-remote-code --hf-overrides '{"architectures": ["InternVLChatModel"]}'

Escolher meu computador

Detalhes técnicos

O que a fonte e o catálogo guardam deste checkpoint. Campos ausentes ficam de fora, nunca como zero.

Checkpoint / fonte
baidu/Qianfan-OCR
Tarefa
image-text-to-text
Arquitetura
QianfanOCRForConditionalGeneration
Biblioteca na fonte
transformers
Licença dos pesos
Apache 2.0baidu/Qianfan-OCR model card (Hugging Face) · consultado em 2026-10-18fonte
Uso comercial
Permitido Apache License 2.0 text (SPDX) · consultado em 2026-10-18texto da licença
Idiomas
MultilíngueMetadados do model card · consultado em 2026-10-25fonte
Lançamento
Qianfan-VL README news: "[2026/03/18] Qianfan-OCR Released!" (GitHub, Baidu) · consultado em 2026-10-18fonte
Todos os campos guardados12 campos
Revisão conferida
623bf5d20d446abdb36606aa4547cd0c18886fe5
Arquitetura
QianfanOCRForConditionalGeneration
Biblioteca
transformers
Tag de tarefa no Hub
image-text-to-text
Formatos
transformers, safetensors
Acesso
Download aberto
Tipo de publicador
Oficial
Parâmetros no Hub
4.741.408.256safetensors.total
Repositório criado
2026-03-18criação não é o lançamento do modelo
Repositório atualizado
2026-04-29um commit não é data de lançamento
Downloads no Hub (30 dias) · curtidas
41.257 · 1.216só este repositório · lido em 2026-10-25
Estado no catálogo
Config ou pesos encontrados no Hub; sem vínculo de benchmark no inventário

Fontes

Identidade e especificações publicadas vêm da página do checkpoint. As notas pertencem à rodada indicada e não medem velocidade no seu computador.

Fatos curados verificados: 2026-10-18. A licença e a data de lançamento citam as fontes do publicador; parâmetros, arquivos e tarefa vêm do registro do Hugging Face, e a memória é uma estimativa rotulada a partir da contagem de parâmetros. Um valor que nenhuma fonte informa fica vazio; um commit do repositório não é a data de lançamento do modelo.