/ Модель

Характеристики

Лицензия
Apache 2.0
Опубликована
24 сен 2026

RK182X-VLM-MinerU2.5-Pro-2604-1.2B

Изображение и текст → текст8 профессий

Преобразованная для RKNN визуально-языковая модель MinerU 2.5 Pro разбирает изображения документов, извлекая текст, структуру, формулы и таблицы на устройствах RK182x.

378скачиваний за 30 дней0лайковвеса обновлены28 сен 2026

Бенчмарки

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

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

Это преобразованная для RKNN модель визуально-языкового типа на основе OpenDataLab/MinerU2.5-Pro-2604-1.2B, подготовленная RKNNAI для запуска на NPU чипов RK1820 и RK1828. Она предназначена для разбора документов по одному изображению: распознаёт структуру страницы, текст, формулы и таблицы и выдаёт результат в текстовом формате. Исходная модель содержит 1,2 млрд параметров; конфигурации используют квантизацию w4a16 для визуальной и языковой частей и контекст до 8192 токенов. Доступны варианты с разрешением изображения 448×448 и 1036×1036, причём второй рассчитан только на RK1828.

Модель подходит для встраивания распознавания документов в приложения на совместимых устройствах RK182x. Она принимает изображение и текстовый запрос и формирует текстовый ответ. Для работы нужны соответствующие RKNN Runtime и драйвер, а для обработки PDF приложению необходимо самостоятельно реализовать полный конвейер разбора. Лицензия исходных весов — Apache License 2.0.

Сценарии применения

  • извлечение текста и структуры из изображения страницы документа
  • распознавание таблиц на сканах и фотографиях документов
  • извлечение формул из изображений страниц
  • разбор макета страницы документа
  • встраивание распознавания документов в приложения на RK1820 и RK1828

Ограничения

Работает с одним изображением за раз; полный конвейер обработки PDF должна реализовать вызывающая система. Конфигурации требуют совместимых чипов RK1820 или RK1828, подходящих RKNN Runtime и драйвера; вариант с разрешением 1036×1036 поддерживается только на RK1828.

Для каких профессий подходит8

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

RK182X-VLM-MinerU2.5-Pro-2604-1.2B

English | 简体中文

1. Model Overview

This repository provides an RKNN VLM document parsing model converted from OpenDataLab/MinerU2.5-Pro-2604-1.2B. The official model is a 1.2B-parameter image-text-to-text model for parsing document layouts, text, formulas, and tables. The official weights are licensed under Apache License 2.0.Hugging Face model page.

  • Model ID: RKNNAI/RK182X-VLM-MinerU2.5-Pro-2604-1.2B
  • Model Display Name: RK182X-VLM-MinerU2.5-Pro-2604-1.2B
  • RKNN Runtime Version: v1.1.0
  • Source Model: OpenDataLab/MinerU2.5-Pro-2604-1.2B
  • Model Type: VLM
  • Chip Label: RK182X
  • Supported Chips: RK1820, RK1828

Available Models

RKNN Runtime VersionConfiguration DirectorySupported ChipsResolutionQuantizationNPU CoresContext Length (tokens)KVCache
v1.1.0MinerU2.5-Pro-2604-1.2B-1036x1036-w4a16-8-8192-normalRK1828Vision: 1036x1036Vision: w4a16; LLM: w4a16Vision: 8; LLM: 8LLM: 8192 (8k)LLM: fp16
v1.1.0MinerU2.5-Pro-2604-1.2B-448x448-w4a16-8-8192-normalRK1820, RK1828Vision: 448x448Vision: w4a16; LLM: w4a16Vision: 8; LLM: 8LLM: 8192 (8k)LLM: fp16

2. Files

File or DirectoryDescription
LICENSESource model license
NOTICELicense, usage requirements, and attribution
<configuration-directory>/Matching model files
Subdirectory README.mdConfiguration documentation (English)
Subdirectory README_CN.mdConfiguration documentation (Chinese)
Subdirectory config.jsonModel configuration and file manifest
Subdirectory SHA256SUMSSHA-256 checksums of the files in this directory (excluding this file)

3. Download

Download the full repository from ModelScope:

modelscope download --model RKNNAI/RK182X-VLM-MinerU2.5-Pro-2604-1.2B --revision v1.1.0 --local_dir ./RK182X-VLM-MinerU2.5-Pro-2604-1.2B

Download the full repository from Hugging Face:

hf download RKNNAI/RK182X-VLM-MinerU2.5-Pro-2604-1.2B --revision v1.1.0 --local-dir ./RK182X-VLM-MinerU2.5-Pro-2604-1.2B

Download a specific configuration from ModelScope:

from modelscope import snapshot_download

snapshot_download(
    "RKNNAI/RK182X-VLM-MinerU2.5-Pro-2604-1.2B",
    revision="v1.1.0",
    allow_patterns=["README.md", "README_CN.md", "LICENSE", "NOTICE", "MinerU2.5-Pro-2604-1.2B-1036x1036-w4a16-8-8192-normal/**"],
    local_dir="./RK182X-VLM-MinerU2.5-Pro-2604-1.2B",
)

Download a specific configuration from Hugging Face:

hf download RKNNAI/RK182X-VLM-MinerU2.5-Pro-2604-1.2B --revision v1.1.0 --include "README.md" "README_CN.md" "LICENSE" "NOTICE" "MinerU2.5-Pro-2604-1.2B-1036x1036-w4a16-8-8192-normal/**" --local-dir ./RK182X-VLM-MinerU2.5-Pro-2604-1.2B

4. SHA-256 Verification

Run in the configuration directory:

cd ./RK182X-VLM-MinerU2.5-Pro-2604-1.2B/MinerU2.5-Pro-2604-1.2B-1036x1036-w4a16-8-8192-normal
sha256sum -c SHA256SUMS

Deploy only after all entries show OK.

5. Compatibility and Limitations

  • See the Available Models table for the chips supported by each configuration.
  • Use the matching RKNN Runtime and driver. Check the device-side version with rknn-smi -v before running.
  • Use the files from the selected configuration directory together.
  • Provides single-image document recognition; the application must implement the complete PDF parsing pipeline.

6. Copyright and License

The source model is licensed under Apache License 2.0. See LICENSE for the full text and NOTICE for provenance and conversion details. The applicable RKNN Toolkit and RKNN Runtime licenses also apply.

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

В репозитории нет config.json: не понять архитектуру модели.

Ревизия весов
03de0a4

0 моделей