Datalab 发 Indra OCR：100 万参数的识别模型，32 核 CPU 上每秒读 49 页

Datalab（文档解析工具 Marker、Surya 背后的团队）10 月 13 日发布 Indra OCR：整套识别由一个 100 万参数的模型完成，跑在 CPU 上——32 核时每秒 49 页，比 Tesseract 与 PaddleOCR 的 PP-OCR 文本模型快 11–17 倍，单页延迟约 230 毫秒，并在 OmniParseBench 的文本基准上同时超过这两者。官方称它不是「只为快而砍精度」的那一类。

除纯文本外，它还输出完整版面：每一行有包围框，每个版面块有框、标签（文本、章节标题、列表、表格、图注、脚注、表单、目录、页眉页脚）以及在阅读顺序中的位置；被倒置或旋转的页面会先摆正。Markdown 输出保持干净（表格转成 HTML，页眉页脚默认剔除，加参数可保留），JSON 则保留全部框与标签，方便下游结构化处理。

值得注意的是部署位置的变化：这类「带版面理解的文档解析」此前基本要靠 GPU 或大模型 API，现在一台普通 CPU 服务器就能批量跑，而且推理在本地完成——对文档敏感、不能外传的机构与边缘设备是实质改变。权重以 ONNX 形式放出、许可为 OpenRAIL；需要说明的是上述速度与精度数字均为官方自测口径，未见第三方复现。

原文链接：Datalab 官方博客