LightOn 发 LightOnOCR-3：一个模型同时出文字与版面，4B 版 olmOCR-Bench 拿 86.3

LightOn AI 10 月 8 日发布 LightOnOCR-3，一条模型线同时做文字转录与版面抽取，三个尺寸：0.8B、1B 与 4B。1B 沿用上一代架构，0.8B 与 4B 改用 Qwen3.5 的视觉语言架构，在精度、速度与算力之间取不同折中。三个尺寸都支持两种模式。

空文本提示词时按老接口做纯转录；把 grounding 作为唯一提示词时，输出会带上带标签的边界框（坐标归一化到 0–1000）、图像描述，以及抽成表格的图表数据。团队强调格式效率：标签与坐标用紧凑的行内标记，而不是把每个区域包进 HTML 或 JSON，图表数据仍用 HTML 表格；在同样的 512 页 olmOCR-bench 上，0.8B 与 4B 的 grounding 输出平均比 Chandra-OCR-2 与 Infinity-Parser2-Pro 少 9–14% 的 token。

基准上，4B 在 olmOCR-Bench 总分 86.3，比列到 35.1B 参数的 Infinity Parser Pro 低 1.3 分，比同为 4B 的 Chandra 2 高 0.5 分；4B 在 ArXiv 类目领先（91.1），1B 在多栏页领先（85.9），0.8B 在长小字上领先。ParseBench 五类总分里 4B 与 0.8B 分列第一（75.1）与第二（74.6），略高于 Infinity Parser Pro（74.3）。团队同时放出格式转换、可视化与复现基准分数的脚本。

原文链接：LightOn AI 官方博文