#OCR

LightOn 的开源 OCR 模型 OCR-3 出了，0.8B 和 4B 两个版本都能自己部署，表格图表效果不错，价格比 Gemini 便宜不少，做文档处理可以试试。

Jerry Liu@jerryjliu0原文

做文档处理的朋友可以看看，LlamaIndex 把 10 个解析模型塞进一个 API，一行代码切换，还附 ParseBench 成绩单，按 token 计费。

LlamaIndex@llama_index原文

LlamaIndex 写了篇分析，说传统 OCR 这条路正被视觉模型替代，还讲了文档解析流程里怎么换、要注意啥，做 RAG 输入的可以看看。

LlamaIndex@llama_index原文

LlamaIndex 的 Logan Markewich 写了篇文档解析新玩法，传统 OCR 一遍过就完事，现在改成循环识别加自检，表格图表都能抠出来，做 RAG 的可以看看。

LlamaIndex@llama_index原文

Snapok把AI功能集成到截图工具里，自动打码和OCR很实用，还支持截图翻译和AI问答。

idoubi@idoubicc原文

Cloudflare 推出了 AI Search，支持图像和 PDF 搜索，文件大小限制 10MiB，兼容各种聊天模型。

官方一手Cloudflare Blog@Ashish Vinodkumar原文

GPT-6.1 Sol在文档OCR方面有显著进步，特别是表格解析能力提升明显，与GPT-6 Astra相当。

Jerry Liu@jerryjliu011 个信源在谈原文

LlamaIndex 拿美联储 dot plot 当例子，演示表格空单元格怎么让 agent 读错数，LlamaParse 解析后 9 个数字全对上。做文档解析的可以试试。

Jerry Liu@jerryjliu0原文

LlamaIndex 跑了 ParseBench，Opus 5.5 解析 PDF 表格比 Opus 5 高 7 个点，但每页 5.8 美分不便宜，文中还对比了 LlamaParse 的替代方案。

Jerry Liu@jerryjliu011 个信源在谈原文

朋友，青海师范大学的藏语智能实验室发布了我国首款藏语多语言全模态 AI 输入法，叫智达 AI 输入法，支持手机、电脑全终端，还能语音输入藏语，挺方便的。

Jerry Liu 的 ParseBench 发布了 100+ 模型的文档解析评估结果，帮你快速了解不同模型在文档解析上的表现，避免选错工具。

Jerry Liu@jerryjliu0原文

JinaAI 推出了新OCR模型，支持25种语言，还能在nvidia L4这类低预算GPU上运行，性能还很强。

Jina AI@JinaAI_2 个信源在谈原文

JinaAI 新出的 jina-ocr-v1 OCR 模型，在 COCO-Text 基准上表现不错，直接在 Hugging Face 上就能用。

Jina AI@JinaAI_原文

JinaAI 新出的 jina-ocr-v1 能直接处理 PDF 和扫描件，把文字转换成干净markdown，比传统OCR工具更方便。

Jina AI@JinaAI_原文

Cohere Parse 的文档解析服务价格不贵，但准确率一般，LlamaParse 的成本模式更便宜，性能也更好。

Jerry Liu@jerryjliu0原文

LlamaIndex 新出的这个 OCR 工具，能帮你快速解析文档，分两步走，先看结构再查细节，比直接解析所有页面快很多。

LlamaIndex@llama_index原文

LLamaIndex 推出的这个文档处理方案很实用，适合做文档数据室处理的开发者，能帮你更快更便宜地解析文档。

Jerry Liu@jerryjliu0原文

LlamaIndex团队大幅提升了文档解析能力，在ParseBench基准测试中全面超越竞争对手，表格和图表解析效果显著提升。

Jerry Liu@jerryjliu0原文

别信“大模型能吃 OCR”。LlamaIndex 用三代 GPT 数据反驳：成本涨 4 倍，精度还落后。

LlamaIndex@llama_index原文