LightOn AI推出的第二代模型 LightOnOCR-2-1B：1B 参数端到端 OCR 模型，支持边界框输出

在文档数字化处理领域，兼顾高精度转录、轻量化部署、高效推理的OCR模型一直是行业刚需。LightOn AI推出的第二代模型 LightOnOCR-2-1B，以1B参数量实现端到端PDF文档转写能力，不仅无需依赖多阶段流水线，还能输出嵌入式图形的边界框信息，更在OlmOCR基准测试中超越9B量级的Chandra模型，成为兼具性能与效率的轻量级OCR解决方案。

• 模型：https://huggingface.co/collections/lightonai/lightonocr-2
• Demo：https://huggingface.co/spaces/lightonai/LightOnOCR-2-1B-Demo

核心亮点：1B参数实现“性能+速度”双重突破

LightOnOCR-2-1B相较于初代模型实现全方位升级，核心优势集中体现在精度、速度和实用性三大维度：

1. 精度领先，参数量更轻
   在OlmOCR基准测试中，该模型以83.2 ± 0.9的得分登顶，整体性能超过Chandra-9B模型1.5个百分点以上，而参数量仅为后者的1/9，彻底打破“大参数=高性能”的固有认知；尤其在ArXiv论文、老旧数学扫描件、表格等复杂场景下表现突出，这得益于更优质的训练数据和高分辨率训练方案。
2. 推理高效，适配大规模流水线
   专为生产环境设计的高效架构，让模型推理速度远超同类产品：比Chandra OCR快3.3倍、比OlmOCR快1.7倍、比dots.ocr快5倍、比PaddleOCR-VL-0.9B快2倍，可直接嵌入大规模文档处理流水线，兼顾吞吐量与准确性。
3. 功能多元，覆盖多场景需求
   除了高精度文本转录，还提供边界框输出能力，可定位文档中嵌入式图形/图像的位置，满足需要轻量级布局信息的工作流程；同时发布多版本模型变体，适配不同业务需求。
4. 完全开源，支持灵活定制
   基于Apache 2.0许可证开源，同时发布完整模型家族与训练数据集，支持社区进行微调、领域适配和布局相关应用开发。

模型家族全览：按需选择，精准匹配业务场景

LightOnOCR-2并非单一模型，而是包含多个变体的模型家族，每个版本针对性强化不同能力，避免“功能堆砌”导致的性能损耗：

开源资源配套：数据集+工具链，降低开发门槛

为了方便社区使用和二次开发，LightOn AI同步发布了完善的配套资源：

1. 开放高质量训练数据集
   • lightonai/LightOnOCR-mix-0126：包含超1600万高质量标注的文档页面，覆盖多类型文档场景；
   • lightonai/LightOnOCR-bbox-mix-0126：包含近50万标注样本，附带图形/图像边界框信息，支持布局相关任务训练。
2. 原生支持Hugging Face Transformers生态
   模型已无缝集成到Transformers上游，带来三大便利：
   • 无需依赖vLLM，直接使用标准Transformers工具运行；
   • 支持LoRA/PEFT/Trainer等主流微调方案，降低定制化开发成本；
   • 支持CPU/本地运行，低配设备也能完成轻量级任务，摆脱“仅GPU可用”的限制。

关键基准表现：小模型吊打大模型的核心数据

LightOnOCR-2-1B的性能优势在量化测试中体现得淋漓尽致，核心指标对比如下：

表 1：OlmOCR-Bench 结果（排除页眉/页脚类别）。每列最佳以蓝色突出显示，次佳加粗。结果取自相应已发表作品；我们额外评估了 DeepSeekOCR 和 Mistral OCR 3 API，因为它们未报告 OlmOCR-Bench 数字。

表 2：在单个英伟达H100（80GB）上的推理吞吐量。

典型应用场景：覆盖从个人到企业的全链路需求

凭借轻量级、高精度、易部署的特性，该模型可适配多样化的文档处理需求：

1. 企业级文档数字化：嵌入金融、法律、政务等行业的大规模文档流水线，快速完成合同、报表、档案的文本提取，兼顾效率与准确性；
2. 学术文献处理：精准识别ArXiv论文、老旧学术扫描件中的公式、表格和文本，助力学术数据库建设；
3. 开发者二次开发：基础模型支持微调与合并，开发者可针对特定领域（如医疗病历、工程图纸）定制专用OCR模型；
4. 个人轻量化使用：支持本地CPU运行，满足小批量文档转写需求，无需依赖云端算力。