Qianfan-OCR
Baidu · baidu/Qianfan-OCR
Licença dos pesos: Apache 2.0 · código e componentes podem ter outros termos
Qualidade
Sem score comparável
Ainda não acompanhamos benchmark público e comparável que cubra este modelo. Nenhuma nota é inferida.
Informado pelo publicador
- 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 informados
- 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.
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.
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.
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)# Serve with vLLM for high-throughput inference
vllm serve baidu/Qianfan-OCR --trust-remote-code --hf-overrides '{"architectures": ["InternVLChatModel"]}'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 guardados
- 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.
- Ficha do publicador
- Licença: baidu/Qianfan-OCR model card (Hugging Face)
- Data de lançamento: Qianfan-VL README news: "[2026/03/18] Qianfan-OCR Released!" (GitHub, Baidu)
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.






























































