/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
LightOnOCR-3-4B
Библиотека
lm-kit
Опубликована
9 окт 2026

lightonocr-3-4b-lmk

Описание изображенийИзображение → текст

Мультимодальная модель LightOn для распознавания текста, таблиц, формул и структуры страниц документов с выдачей Markdown или блоков с координатами.

62скачиваний 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 4B для LM-Kit — мультимодальная модель LightOn для распознавания текста и анализа структуры документов, упакованная для LM-Kit.NET и LM-Kit One. В репозитории представлены GGUF-веса F16 и архив LM-Kit с моделью и визуальным проектором в Q4_K_M; метаданные указывают формат GGUF F16 и лицензию Apache-2.0.

Модель работает в режимах транскрибации и структурного анализа. Она преобразует страницу в Markdown в естественном порядке чтения, сохраняя таблицы в HTML, а формулы в LaTeX; также может возвращать блоки текста и изображений с категориями и координатами, извлекать данные диаграмм в виде HTML-таблиц и создавать краткие описания изображений. Версия 4B построена на архитектуре Qwen3.5 vision-language и позиционируется в семействе LightOnOCR 3 как наиболее точная. Страницы обрабатываются с максимальной стороной 2048 пикселей.

Модель подходит для локального распознавания и структурирования документов через LM-Kit. Карточка заявляет многоязычную поддержку, но конкретные языки не перечисляет. Размер в 4B относится к названию варианта; метаданные не содержат поля с общим числом параметров.

Сценарии применения

  • извлечение текста со сканов и фотографий страниц
  • преобразование документов в Markdown с сохранением порядка чтения
  • распознавание таблиц и представление их в HTML
  • извлечение данных из диаграмм в табличную форму
  • разметка блоков документа с координатами и типами
  • распознавание формул с выдачей в LaTeX

Ограничения

Указана многоязычная поддержка, но карточка не перечисляет конкретные языки. Обработка ориентирована на страницы с максимальной стороной 2048 пикселей.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

LightOnOCR 3 4B for LM-Kit

This repository holds LightOnOCR-3-4B packaged for LM-Kit.NET, LM-Kit's on-device AI SDK for .NET, and for LM-Kit One.

FileContent
lightonocr-3-4b-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-3-4b-F16.ggufThe language model at full precision (F16).
lightonocr-3-4b-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-3:4b");

// 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
57fe7b3

0 моделей