OmniDocBench 是学术界与工业界广泛采用的文档解析评测基准,用于衡量 OCR 与文档理解模型在版面分析、文本识别、表格与公式还原等任务上的综合表现,目前已成为各家开源文档模型发布时的主要『打分战场』。
OmniDocBench 上的近期刷榜动态
当前焦点与观察点
围绕 OmniDocBench 的核心争议在于:公开基准分数能否代表真实生产效果。Vik Paruchuri 在演讲中提醒,选 OCR 模型不能只看公开基准分数,因为基准的文档类型、标注口径与业务场景往往存在偏差,详见 为什么选 OCR 模型不能只看公开基准分数。
从近期发布可以看出三个趋势:一是模型越做越小,0.8B 到 2B 级别已能冲到榜单前列,端侧部署成为卖点;二是『识别 + 质检』的双模型套件开始流行,用校验模型弥补单一识别的不可靠输出;三是失败案例分析被纳入训练与评测环节,单纯刷分的价值正在被重新审视。对使用者而言,比较可取的做法是在参考 OmniDocBench 排名之外,用自有数据做垂直验证,再决定选型。