Ovis 0.8B 通吃五类文档任务

Ovis 团队在 Hugging Face 放出 OvisOCR3，一个 0.8B 的多模态模型，底座是 Qwen3.5-0.8B，Apache-2.0 许可，权重与在线 Demo 同时可用，上一代 OvisOCR2 的模型卡已把 new_version 指向它。它把过去要拆成几套服务的能力并进一个模型：文档解析（输出 Markdown、布局 JSON 或带 LaTeX 与 HTML 表格的结构化结果）、通用 OCR、关键信息抽取、文档内插图注述，以及跨页表格重建——五类任务靠不同的任务提示切换，不换模型。训练分四段：继续预训练、中训、on-policy 蒸馏、强化学习。

模型卡给出的对照是同尺寸段第一：文档解析 OmniDocBench1.6 得 96.74、MDPBench 88.80、PureDocBench 82.31、Real5-OmniDocBench 93.63；通用 OCR 的 OCRBench 88.8、OCRBench v2 英文 65.9、中文 61.3，而基座 Qwen3.5-0.8B 分别是 79.1、41.5、43.9；关键信息抽取四项 90.50 / 83.01 / 88.69 / 77.73 全部最高。跨页表格重建的 CrossTabBench 关系 F1 达 97.07、重建 TEDS 89.66，后者仅低于 Qwen3.8-Max 的 91.71。

值得注意的不是分数而是形态：0.8B 的体量能塞进单卡甚至端侧，把「版面解析 + 关键信息抽取 + 跨页表格重建」压进一次部署，对票据、报表、扫描件流水线来说，省掉的是模型编排与对齐成本，而不是某个指标的零点几个点。要打折看两件事：成绩全部来自厂商自测表，且模型卡自己写明技术报告尚未发布；卡内还列出两类失败模式——插图注述会写出图里没有的细节，跨页合并依赖首页解析质量与页序正确，关键场景仍需人工复核。

原文链接：Ovis 团队 HF 模型卡