腾讯优图开源 Youtu-Parsing-Omni：5B 一个模型，把文档/音频/视频解析成同一份 JSON
腾讯优图（Youtu）放出 Youtu-Parsing-Omni 权重（5B）：给定任一种输入——文档页、自然图像、图表与流程图、几何图形、音频片段或音视频——它输出同一份结构化 JSON。感知层给版面元素、文字、表格、公式、检测框、时间戳、ASR、OCR、声学事件与镜头运动，认知层再给标题、叙述与报告，具体输出族由任务提示词选择；官方仓库同时提供 vLLM 插件与推理示例。
官方在模型卡里贴出 OmniDocBench 对比：Youtu-Parsing-Omni 整体 96.96、公式 CDM 96.80、表格 TEDS 96.79、阅读顺序编辑距离 0.1104，整体分与表格 TEDS-S 均为表内最高，压过 1.2B 的 TeleOCR（96.91）、0.8B 的 OvisOCR2（96.47）、0.9B 的 PaddleOCR-VL-1.6（96.34）、GLM-OCR（95.22）以及自家 2.5B 的 Youtu-Parsing（93.74）。所有数字均为官方自测。
值得注意的是它的口径：把此前需要多个模型串起来的任务（版面解析、表格与公式识别、ASR、视频理解）压进单模型单 schema，官方称技术报告与评测代码「coming soon」，模型卡只标到「2026-10 发布权重、vLLM 插件与推理示例」，没有更细的日期。采用自定义许可（youtu-parsing）。
原文链接：腾讯优图官方模型卡 / GitHub
核验记录
官方侧无可读的发布公告页（腾讯各线在本机链路不可读）：日期取自 HF 仓 `tencent/Youtu-Parsing-Omni` 的 `createdAt 2026-10-09T06:42Z` 与 `lastModified 2026-10-09T08:00Z`，并与官方 GitHub 仓 TencentCloudADP/youtu-parsing 的 `pushed_at 2026-10-09T08:00:53Z` 互证（该仓本身 2026-01-21 建立）；模型卡 News 只写「[2026-10] 权重、vLLM 插件与推理示例发布」，**故日期为仓库时间戳而非官方宣布日**（R21 降级链第 ③ 层，置信度中）。OmniDocBench 数字为官方自测、未见第三方复现。配图走 HF 仓内 assets/logo.png，裸请求与带站内 Referer 双 200 / PNG 381,316 字节。
← 上一篇Cloudflare 发 Clef-omni：决策模型首次直接吃音频与视频，纯文本中位 130 毫秒下一篇 →Artemis 发网络防御基座模型 Orion-1：自建 DGR 榜上称高于所有被测前沿模型