/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
LightOnOCR-3-1B
Библиотека
lm-kit
Опубликована
9 окт 2026

lightonocr-3-1b-lmk

Описание изображенийИзображение → текст

Мультимодальная LightOnOCR 3 1B распознаёт текст на изображениях документов и извлекает их структуру, координаты блоков, таблицы и данные диаграмм.

69скачиваний 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 1B для LM-Kit — упакованная для SDK LM-Kit.NET и LM-Kit One версия модели LightOnOCR-3-1B от LightOn. Это мультимодальная модель распознавания документов: она принимает изображение страницы и может вернуть текст в естественном порядке чтения в формате Markdown либо структурированные блоки с типами элементов и координатами. Таблицы передаются в HTML, формулы — в LaTeX; изображения кратко описываются, а данные диаграмм преобразуются в таблицы.

Модель 1B основана на архитектуре LightOnOCR 2: визуальном энкодере Pixtral и декодере Qwen3. В репозитории доступны GGUF-веса F16 для языковой модели и проектора зрения, а также LM-Kit-архив с обеими частями в Q4_K_M. Модель предназначена для локального извлечения текста и анализа структуры документов; страницы обрабатываются с длинной стороной до 2048 пикселей при высоком уровне детализации. В карточке указана лицензия Apache-2.0. Языки перечислены как многоязычные, без уточнения конкретных языков.

Сценарии применения

  • извлечение текста со страниц документов в Markdown
  • распознавание таблиц и представление их в HTML
  • извлечение формул из документов в LaTeX
  • определение типов блоков и их координат на странице
  • преобразование диаграмм в таблицы данных

Ограничения

Для версии 1B не заявлены точность или сравнительные результаты. Для входных страниц в README описан режим обработки с длинной стороной изображения 2048 пикселей; конкретные поддерживаемые языки не перечислены.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

LightOnOCR 3 1B for LM-Kit

This repository holds LightOnOCR-3-1B packaged for LM-Kit.NET, LM-Kit's on-device AI SDK for .NET, and for LM-Kit One.

FileContent
lightonocr-3-1b-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-3-1b-F16.ggufThe language model at full precision (F16).
lightonocr-3-1b-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-3:1b");

// 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
2465321

0 моделей