Converted from datalab-to/chandra-ocr-2 using mlx-vlm==0.6.6 on 15 Aug 2026.
Conversion script:
python -m mlx_vlm convert --hf-path datalab-to/chandra-ocr-2 --mlx-path ./mlx_model
Характеристики
- Контекст
- 262 144 токена
- Размер весов
- 9,1 ГБ
- Лицензия
- OpenRAIL
- Архитектура
- qwen3_5 · dense
- Базовая модель
- chandra-ocr-2
- Библиотека
- mlx
- Опубликована
- 15 авг 2026
Ссылки
chandra-ocr-2-bf16-mlx
Изображение и текст → текст9 профессий
Конвертированная версия Chandra OCR 2 для MLX распознаёт текст и структуру документов на изображениях и в PDF.
157скачиваний за 30 дней0лайковвеса обновлены15 авг 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
fwgpiyawudk/chandra-ocr-2-bf16-mlx — преобразованная для библиотеки MLX версия Chandra OCR 2 от Datalab, предназначенная для распознавания текста и структуры документов по изображениям и PDF. Модель принимает изображения документов и выдаёт текстовое представление; базовая модель поддерживает форматы Markdown, HTML и JSON.
В репозитории указаны архитектура Qwen3.5 и формат safetensors. Модель рассчитана на OCR, извлечение структуры и разбор документов. Карточка описывает конвертацию исходной модели через mlx-vlm, а метаданные связывают её с datalab-to/chandra-ocr-2 и указывают лицензию OpenRAIL.
Практическое применение и точность зависят от качества входного изображения и возможностей базовой модели. Поддерживаемые языки и ограничения лицензии сверх указанной лицензии OpenRAIL в карточке не раскрыты.
Сценарии применения
- извлечение текста из сканов документов
- преобразование PDF в структурированный текст
- распознавание таблиц и элементов макета документа
- преобразование документов в Markdown, HTML или JSON
Ограничения
Результат зависит от качества изображения; README не приводит точных показателей качества или перечня поддерживаемых языков.
Для каких профессий подходит9
Разделы каталога профессий, в задачах которых используется эта модель
I.3Универсальные способностиИзвлечение и структурирование данныхAI помогает превращать разрозненные данные в структуру, пригодную для поиска, аналитики и автоматизации.18 задач25 791модельI.4Универсальные способностиОбработка документов и формAI помогает оцифровывать документы, проверять их комплектность и сокращать ручной ввод данных.16 задач7 180моделейI.14Универсальные способностиАвтоматизация процессов и AI-агентыAI помогает выполнять многошаговые цифровые процессы и координировать действия между системами.20 задач26 022моделиII.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделей
Также подходит для
Карточка модели
README от автора на Hugging Face, как он его опубликовал
Как запустить
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · mlx
MLX-модели работают только на Apple Silicon.
- Класс архитектуры
- Qwen3_5ForConditionalGeneration
- Ревизия весов
- 3099e16