/ Модель

Характеристики

Размер весов
2,7 ГБ
Лицензия
MIT
Библиотека
llama.cpp
Опубликована
1 июн 2026

XCurOS-OCR-GGUF

Изображение и текст → текст14 профессий

Компактная vision-language-модель для OCR и разбора документов по изображениям, распространяемая в GGUF F16 для локального запуска через llama.cpp.

169скачиваний за 30 дней2лайкавеса обновлены1 июн 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

XCurOS-OCR-GGUF — версия в формате GGUF модели XCurOS-OCR, разработанной XCurOS. Это компактная vision-language-модель на 0,9 млрд параметров для распознавания текста и анализа документов по изображениям. Репозиторий содержит веса декодера и отдельный vision projector, необходимый для обработки изображений; модель запускается локально через llama.cpp на CPU или GPU.

Модель предназначена для OCR документов, распознавания формул, таблиц, рукописного текста и кода, а также разбора структуры страниц. README приводит результаты на нескольких бенчмарках и характеризует качество как близкое к более крупным OCR-системам при работе на обычном CPU. Указана поддержка английского, китайского и других языков; конкретная длина контекста не приводится.

Веса опубликованы в формате GGUF F16 без квантизации. Для использования требуется совместимая сборка llama.cpp и vision projector. Лицензия — MIT.

Сценарии применения

  • извлечение текста из сканов и фотографий документов
  • распознавание таблиц на страницах документов
  • распознавание математических формул
  • извлечение текста из рукописных заметок
  • разбор структуры страниц и содержимого документов
  • распознавание кода на изображениях

Ограничения

Для обработки изображений необходим отдельный vision projector и совместимый llama.cpp. Вариант GGUF опубликован в F16 без квантизации, поэтому заявленная компактность относится к числу параметров, а не к сниженной точности весов.

Для каких профессий подходит14

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

XCurOS-OCR · GGUF (F16, no quantization)

GGUF build of XCurOS-OCR, a compact 0.9B-parameter vision-language OCR model — runs locally with llama.cpp on CPU or GPU. Shipped in full precision F16, with no quantization.

✨ Lightweight & CPU-friendly — only 0.9B parameters, runs on a normal CPU (no GPU required), while staying competitive with much heavier OCR systems.

🤗 Transformers / safetensors version: XCurOS/XCurOS-OCR.

Files

FileRole
XCurOS-OCR-F16.ggufLanguage decoder (F16)
mmproj-XCurOS-OCR-F16.ggufVision projector (required for image input)

Quick start

# CPU-only (no GPU)
llama-mtmd-cli -m XCurOS-OCR-F16.gguf --mmproj mmproj-XCurOS-OCR-F16.gguf --image page.png -p "OCR" -ngl 0

# REST API server
llama-server -m XCurOS-OCR-F16.gguf --mmproj mmproj-XCurOS-OCR-F16.gguf -ngl 0

# Or auto-download this repo
llama-server -hf XCurOS/XCurOS-OCR-GGUF

Benchmarks

XCurOS-OCR (ours) compared against leading OCR systems. Bold = best among specialized OCR VLMs. - = not reported. 💡 XCurOS-OCR is a lightweight 0.9B model that tracks closely behind GLM-OCR while running on a normal CPU — no GPU required.

Document understanding

TaskBenchmarkXCurOS-OCRGLM-OCRPaddleOCR-VL-1.5Deepseek-OCR2MinerU2.5dots.ocrGemini-3-Pro*GPT-5.2*
Document ParsingOmniDocBench v1.594.394.694.591.190.788.490.385.4
Text RecognitionOCRBench (Text)93.694.075.334.775.392.191.983.7
Formula RecognitionUniMERNet96.396.596.185.896.490.096.490.5
Table RecognitionPubTabNet84.985.284.6-88.471.091.484.4
Table RecognitionTEDS_TEST85.586.083.3-85.462.481.867.6
Information ExtractionNanonets-KIE93.393.7----95.287.5
Information ExtractionHandwritten-Forms85.886.1----94.578.2

Capability breakdown

CategoryXCurOS-OCRGLM-OCRPaddleOCR-VL-1.5Deepseek-OCR2MinerU2.5dots.ocrGemini-3-Pro*GPT-5.2*
Code84.484.775.882.182.980.886.984.4
Real-world Table91.091.586.1-70.881.890.686.7
Handwriting86.887.087.473.854.271.790.078.0
Multi-language68.969.354.856.127.865.186.270.1
Seal90.290.542.240.4-63.091.358.8
Receipt (KIE)94.194.5----97.383.5

*Gemini-3-Pro and GPT-5.2 are general-purpose VLMs, shown for reference only.

Throughput

MethodImage Inputs (Pages/Sec)PDF Inputs (Pages/Sec)
XCurOS-OCR0.661.83
GLM-OCR0.671.86
PaddleOCR-VL-1.50.391.22
Deepseek-OCR20.32-
MinerU2.50.180.48
dots.ocr0.10-

XCurOS-OCR is optimized to run on commodity CPUs; it scores marginally below GLM-OCR while requiring no GPU.

License

Released under the MIT License. See the LICENSE file in this repository.

Как запустить

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

GPU в ailist

Универсальный рантайм · llama.cpp

Нельзя запустить

GGUF-веса поддерживаются только для текстовых LLM (llama.cpp).

Ревизия весов
77a4b50

0 моделей