/ Модель

Характеристики

Контекст
262 144 токена
Размер весов
17,5 ГБ
Лицензия
OpenRAIL
Архитектура
qwen3_vl · dense
Базовая модель
Qwen3-VL-8B-Instruct
Библиотека
transformers
Опубликована
14 апр 2026

BizOnAI-OCR

Изображение и текст → текст5 профессий

BizOnAI-OCR — дообученная ONTHEIT модель на базе Qwen3-VL-8B для распознавания корейских промышленных документов и извлечения их структуры в текст.

90скачиваний за 30 дней2лайкавеса обновлены21 апр 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Изображение → текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

BizOnAI-OCR — разработанная ONTHEIT специализированная модель OCR для обработки промышленных документов. Она дообучена на основе Qwen/Qwen3-VL-8B-Instruct и использует архитектуру Qwen3-VL с 8 млрд параметров для преобразования изображений документов в структурированный текст.

Модель ориентирована прежде всего на корейские документы: договоры, медицинские записи, финансовые формы и государственные документы. Она распознаёт смешанный корейский, английский и китайский текст, сложные формы, вертикальные таблицы и необычное форматирование пробелов; может сохранять структуру документа с заголовками и таблицами в Markdown. В карточке приведены результаты тестирования на корейском KDoc-OCRBench и англоязычном olmOCR-bench. Для обслуживания указана совместимость с vLLM и Transformers; пример запуска задаёт максимальную длину контекста 16 384 токена.

Модель принимает изображения и выдаёт текст. Для специализированного OCR её результаты зависят от качества исходного изображения и сложности документа; опубликованные оценки относятся к указанным бенчмаркам и не гарантируют точность на всех типах документов. Лицензия — OpenRAIL.

Сценарии применения

  • распознавание текста в корейских договорах
  • извлечение таблиц и полей из финансовых форм
  • оцифровка корейских медицинских записей
  • разбор государственных документов и сложных форм
  • распознавание смешанного корейского и английского текста на сканах

Ограничения

Модель оптимизирована для корейских документов; английские OCR-задачи также проверялись, но карточка не подтверждает аналогичную специализацию для других языков. Результаты бенчмарков не гарантируют точность на документах, отличающихся от тестовых наборов.

Для каких профессий подходит5

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

BizOnAI-OCR

A Korean-optimized OCR model for industrial document processing developed by ONTHEIT.

Built on Qwen3-VL-8B, BizOnAI-OCR is tuned for real-world Korean documents — contracts, medical records, financial forms, government paperwork, and more. It handles Korean-specific layouts, mixed Korean/English/Chinese text, decorative spacing, vertical tables, and complex forms that trip up general-purpose OCR models.

Highlights

  • Korean-first: fine-tuned on Korean industrial documents
  • Bilingual: remains competitive on English OCR benchmarks
  • Markdown output: structured output with tables, headings, and formatting preserved
  • vLLM-ready: served efficiently via vLLM (OpenAI-compatible API) or plain transformers

Benchmark Results

KDoc-OCRBench (Korean)

Evaluated on KDoc-OCRBench — 14,738 unit-test-style assertions across 804 Korean industrial PDFs.

ModelBaselineHeader/FooterLong TextTableOverall
BizOnAI-OCR98.188.877.068.083.0
olmOCR v0.2.099.988.573.753.478.9
PaddleOCR-VL100.090.565.757.678.4
DeepSeek OCR99.888.366.053.176.8
GLM OCR99.996.341.831.067.2

olmOCR-bench (English)

Evaluated on olmOCR-bench by Allen AI.

ModelArXivOld Scans MathTablesOld ScansHeaders & FootersMulti ColumnLong Tiny TextBaseOverall
BizOnAI-OCR84.074.289.747.392.480.292.598.782.4
PaddleOCR-VL85.771.084.137.897.079.985.798.580.0
olmOCR v0.2.078.877.571.945.494.278.681.499.878.5
DeepSeek OCR77.273.680.233.396.166.479.499.875.7

Quick Start

Full installation instructions, CLI tools, and the benchmark pipeline are in the GitHub repository.

Serve with vLLM (recommended)

python -m vllm.entrypoints.openai.api_server \
    --model ONTHEIT/BizOnAI-OCR \
    --port 8000 \
    --dtype bfloat16 \
    --max-model-len 16384 \
    --trust-remote-code \
    --served-model-name bizonai-ocr

Python CLI

git clone https://github.com/ONTHEIT-AI/BizOnAI-OCR.git
cd BizOnAI-OCR && uv venv && source .venv/bin/activate
uv pip install -e .
bizonai-ocr input.pdf ./output

Tested Environment

Python 3.12, vllm==0.11.0, transformers==4.57.6, torch==2.8.0+cu128 (CUDA 12.8)

Credits

License

This repository is released under the Apache2.0 and OpenRAIL. See the LICENSE file for details.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3VLForConditionalGeneration
Ревизия весов
ead0dfe

0 моделей