#OCR
Datalab 放出一个开源 OCR 基准，16,288 个可判断对错的测试，覆盖 92 种语言，选 OCR 解析器前可以先跑一遍看看谁过得多。
LlamaIndex 实测了 Gemini 4 Argon 和 Muse 两个新模型做文档 OCR，谁在表格理解上性价比最高、价格陷阱在哪都讲清楚了。
多模态模型居然读不出人眯眼就能看到的隐藏文字，这篇论文造了个1076张图的测试集，还把成绩从26.5提到88.6，做法挺有意思。
百度基于 DeepSeek-OCR 微调了个 OCR 模型，几十页文档一次解析完还不掉速，能直接吐 Markdown 和 JSON，做 RAG 的可以试试。
Mistral OCR 上线 OpenDocRouter 了，表格和阅读顺序识别不错，每页 1.8 秒很快，还能一行代码切换其它解析模型。
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推出的OpenDocRouter让你不用再折腾各种OCR模型，一个接口就能用上Opus 5.5等130多种模型，还自动处理限流和计费。
LlamaIndex 出了个 OpenDocRouter，一个 API 接 10 个文档解析模型，换模型改一行代码，每千页最低 $0.86，处理 PDF 转 markdown 的可以试试。
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 的 Logan 写了篇实操文：OCR 别再单次跑，改成布局感知、难元素路由、多轮自检的循环，能救回表格和图表。
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 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。
AI Engineer 把 2026 大会的视觉 OCR 场次全放出来了，LlamaIndex 和 Hugging Face 的人都来讲实战，做文档和视觉应用的很值得刷一遍。
一次看完五个视觉与 OCR 实战案例：Sarvam 读了 13 万亿 token，Reducto 解析 PDF 能提分省 token，Noyan 花几美元训检测器，做法都够具体。
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。
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。
Jina AI 推出了个新模型叫 jina-ocr-v1，用 DeepSeek-OCR 微调的，能解析文档转 Markdown，在 L4 GPU 上速度挺快，比很多同类模型都快。
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。
Jerry Liu 新发布的 FlyOCR 很有意思，他用果蝇大脑模型来识别 PDF，准确率挺高的，可能比一些传统的 VLMs 更好。
Jerry Liu 测试了 Astra，它解析带表格的复杂文档很厉害，在 ParseBench 上 93.2%，适合金融文档分析，但价格有点贵。