/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
LightOnOCR-3-0.8B
Библиотека
lm-kit
Опубликована
9 окт 2026

lightonocr-3-0.8b-lmk

Описание изображенийИзображение → текст

Компактная vision-language модель LightOn для распознавания текста и структурирования страниц документов и изображений.

80скачиваний за 30 дней0лайковвеса обновлены10 окт 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

LightOnOCR 3 0.8B для LM-Kit — компактная vision-language модель LightOn, упакованная для LM-Kit.NET и LM-Kit One. Репозиторий содержит вариант GGUF F16; базовая модель — LightOnAI/LightOnOCR-3-0.8B. По карточке семейство использует архитектуру Qwen3.5 vision-language и предназначено для распознавания текста и анализа содержимого страниц документов и изображений.

Модель поддерживает транскрипцию страницы в Markdown с сохранением порядка чтения, HTML-представлением таблиц и формулами в LaTeX, а также анализ структуры: выдаёт категории блоков и их координаты на изображении. Изображения могут сопровождаться кратким описанием, а данные графиков представляются в виде HTML-таблицы. Для обработки используется изображение с максимальной стороной 2048 пикселей. Лицензия — Apache-2.0.

Модель подходит для OCR документов, извлечения таблиц и анализа макета страниц. README не приводит измерений качества и подробно не описывает поддерживаемые языки; метаданные характеризуют модель как многоязычную.

Сценарии применения

  • преобразование страниц документов в Markdown с сохранением порядка чтения
  • извлечение таблиц из изображений документов
  • распознавание формул с выводом в LaTeX
  • получение координат текстовых блоков на странице
  • анализ макета документа с классификацией блоков
  • извлечение данных из графиков в виде таблицы

Ограничения

README не приводит оценок точности и не перечисляет конкретные поддерживаемые языки. Для обработки страниц указано разрешение с максимальной стороной 2048 пикселей.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

LightOnOCR 3 0.8B for LM-Kit

This repository holds LightOnOCR-3-0.8B packaged for LM-Kit.NET, LM-Kit's on-device AI SDK for .NET, and for LM-Kit One.

FileContent
lightonocr-3-0.8b-Q4_K_M.lmkThe model and its vision projector, both quantized to Q4_K_M, in one archive. This is the file LM-Kit downloads.
lightonocr-3-0.8b-F16.ggufThe language model at full precision (F16).
lightonocr-3-0.8b-mmproj-F16.ggufThe vision projector at full precision (F16).

About LightOnOCR 3

LightOnOCR 3 is LightOn's third generation of end-to-end OCR models. It comes in three sizes:

LM-Kit model IDArchitectureNotes
lightonocr-3:0.8bQwen3.5 vision-languageThe fastest size
lightonocr-3:1bLightOnOCR 2 (Pixtral vision encoder, Qwen3 decoder)A drop-in upgrade for LightOnOCR 2 deployments
lightonocr-3:4bQwen3.5 vision-languageThe most accurate size

The models have two modes:

  • Transcription: the page is returned as clean Markdown in natural reading order, with tables in HTML and formulas in LaTeX.
  • Grounding: every block of the page is returned with a label (title, text, list, table, formula, caption, header, footer, page number, footnote, image, chart, ...) and a bounding box. Images get a short description, and charts become an HTML table of their data points.

LM-Kit maps both modes onto VlmOcr intents, so you never write a prompt:

VlmOcrIntentModeResult
Markdown, PlainTextTranscriptionThe page text
OcrWithCoordinatesGroundingThe page's text blocks, each with its bounding box in source image pixels and its layout category
LayoutAnalysisGroundingEvery block, figures included, with its category; the JSON payload in VlmOcrResult.NormalizedText
TableRecognition, FormulaRecognition, ChartRecognitionGroundingThe page's tables, formulas or chart data tables

Pages are fed at the resolution the models were trained on (a 2048 px longest edge at ImageDetail.High).

Usage

using LMKit.Document.Conversion;
using LMKit.Extraction.Ocr;
using LMKit.Model;

LM model = LM.LoadFromModelID("lightonocr-3:0.8b");

// Document to Markdown.
var converter = new DocumentToMarkdown(model);
string markdown = converter.Convert("report.pdf").Markdown;

// Layout analysis: positioned, categorized blocks.
var ocr = new VlmOcr(model, VlmOcrIntent.LayoutAnalysis);
var result = ocr.Run(new LMKit.Data.Attachment("page.png"));

foreach (var element in result.PageElement.TextElements)
{
    Console.WriteLine($"{element.Category} at ({element.Left:0}, {element.Top:0}): {element.Text}");
}

License

The model weights are released by LightOn under the Apache License 2.0. See the original model card for training details and the authors' evaluation.

Как запустить

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

GPU в ailist

Универсальный рантайм · lm-kit

Нельзя запустить

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

Ревизия весов
7405be1

0 моделей