2026年7月14日腾讯混元正式发布轻量化端到端OCR专家模型HyOCR-1.5，该模型仅1B参数，依托自研DFlash投机解码框架，在权威测评OmniDocBench中实现推理速度6.37倍提升。作为行业首个全栈开源OCR模型，其开放全部权重、训练方案及推理框架，大幅降低端侧OCR部署门槛。
OCR（光学字符识别）是目前落地最广泛的AI能力之一，但长期以来，端侧OCR部署一直陷入“精度与效率不可兼得”的困境：大参数模型识别效果好但对硬件要求高，轻量模型速度快却难以应对复杂版式、手写体等场景，多数开源方案仅开放模型权重，开发者要完成定制化开发往往需要投入大量研发成本。
HyOCR-1.5的核心突破来自解码环节的技术创新。针对端到端OCR模型普遍存在的长自回归解码延迟问题，腾讯混元研发团队首次引入DFlash投机解码框架：通过一个仅90.7M参数的轻量级草稿模型完成并行预测，在不损失输出准确性的前提下大幅压缩推理耗时。在权威测评集OmniDocBench的测试中，该模型在标准Transformers架构下实现了6.37倍的推理速度提升，是目前同参数级端到端OCR模型中性能表现最优的产品之一。
登录后解锁全文，体验收藏、点赞、评论等完整功能
立即登录
滇公网安备 53252802528133号