/ Модель

Характеристики

Архитектура
qwen2_5_vl · dense
Базовая модель
Nanonets-OCR2-3B
Библиотека
transformers
Опубликована
10 ноя 2025

Nanonets-OCR2-3B-AIO-GGUF

Изображение и текст → текст15 профессий

Nanonets-OCR2-3B-AIO-GGUF — мультимодальная модель для OCR и понимания документов, разработанная на базе nanonets/Nanonets-OCR2-3B и архитектуры Qwen2.5-VL-3B.

1 196скачиваний за 30 дней2лайкавеса обновлены12 ноя 2025

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

Модель преобразует изображения документов в структурированный Markdown и поддерживает многоязычные сценарии обработки.

Она предназначена для распознавания текста, таблиц в Markdown и HTML, формул LaTeX, блок-схем в формате Mermaid, подписей, водяных знаков, флажков и рукописных документов. Также заявлена поддержка visual question answering, включая ответы на вопросы по содержимому документов. Возможные области применения — оцифровка юридических, медицинских, финансовых и технических материалов, а также извлечение структурированных данных из неструктурированных источников.

Модель содержит около 3 миллиардов параметров, имеет контекстное окно до 125 тысяч токенов и распространяется в формате GGUF с вариантами квантования от низкоразмерных IQ- и Q-квантов до F16. Это позволяет выбирать компромисс между размером файлов, требованиями к ресурсам и качеством вывода; при этом README не содержит количественных оценок качества и подробностей об ограничениях. Лицензия в предоставленных данных не указана.

Для каких профессий подходит15

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

Nanonets-OCR2-3B-AIO-GGUF

The Nanonets-OCR2-3B model is a state-of-the-art multimodal OCR and document understanding model based on the Qwen2.5-VL-3B architecture, fine-tuned for advanced image-to-markdown conversion with intelligent content recognition and semantic tagging. It can extract and transform complex document elements including text, tables (in markdown and HTML), LaTeX equations, flowcharts (as mermaid code), signatures, watermarks, checkboxes, and handwritten documents across multiple languages, supporting structured and context-rich outputs ideal for downstream AI processing. The model is 8-bit quantized for efficient inference, has about 3 billion parameters, a large 125K token context window, and supports visual question answering by providing direct answers from documents where applicable. Its design enhances document digitization workflows by unlocking structured data from unstructured documents, making it valuable in legal, medical, financial, and technical domains where accurate semantic extraction is crucial.

Model Files

File NameQuant TypeFile Size
Nanonets-OCR2-3B.f16.ggufF166.18 GB
Nanonets-OCR2-3B.Q2_K.ggufQ2_K1.27 GB
Nanonets-OCR2-3B.Q3_K_L.ggufQ3_K_L1.71 GB
Nanonets-OCR2-3B.Q3_K_M.ggufQ3_K_M1.59 GB
Nanonets-OCR2-3B.Q3_K_S.ggufQ3_K_S1.45 GB
Nanonets-OCR2-3B.Q4_K_M.ggufQ4_K_M1.93 GB
Nanonets-OCR2-3B.Q4_K_S.ggufQ4_K_S1.83 GB
Nanonets-OCR2-3B.Q5_K_M.ggufQ5_K_M2.22 GB
Nanonets-OCR2-3B.Q5_K_S.ggufQ5_K_S2.17 GB
Nanonets-OCR2-3B.Q6_K.ggufQ6_K2.54 GB
Nanonets-OCR2-3B.Q8_0.ggufQ8_03.29 GB
Nanonets-OCR2-3B.IQ4_XS.ggufIQ4_XS1.75 GB
Nanonets-OCR2-3B.i1-IQ1_M.ggufi1-IQ1_M850 MB
Nanonets-OCR2-3B.i1-IQ1_S.ggufi1-IQ1_S791 MB
Nanonets-OCR2-3B.i1-IQ2_M.ggufi1-IQ2_M1.14 GB
Nanonets-OCR2-3B.i1-IQ2_S.ggufi1-IQ2_S1.06 GB
Nanonets-OCR2-3B.i1-IQ2_XS.ggufi1-IQ2_XS1.03 GB
Nanonets-OCR2-3B.i1-IQ2_XXS.ggufi1-IQ2_XXS948 MB
Nanonets-OCR2-3B.i1-IQ3_M.ggufi1-IQ3_M1.49 GB
Nanonets-OCR2-3B.i1-IQ3_S.ggufi1-IQ3_S1.46 GB
Nanonets-OCR2-3B.i1-IQ3_XS.ggufi1-IQ3_XS1.39 GB
Nanonets-OCR2-3B.i1-IQ3_XXS.ggufi1-IQ3_XXS1.28 GB
Nanonets-OCR2-3B.i1-IQ4_NL.ggufi1-IQ4_NL1.83 GB
Nanonets-OCR2-3B.i1-IQ4_XS.ggufi1-IQ4_XS1.74 GB
Nanonets-OCR2-3B.i1-Q2_K.ggufi1-Q2_K1.27 GB
Nanonets-OCR2-3B.i1-Q2_K_S.ggufi1-Q2_K_S1.2 GB
Nanonets-OCR2-3B.i1-Q3_K_L.ggufi1-Q3_K_L1.71 GB
Nanonets-OCR2-3B.i1-Q3_K_M.ggufi1-Q3_K_M1.59 GB
Nanonets-OCR2-3B.i1-Q3_K_S.ggufi1-Q3_K_S1.45 GB
Nanonets-OCR2-3B.i1-Q4_0.ggufi1-Q4_01.83 GB
Nanonets-OCR2-3B.i1-Q4_1.ggufi1-Q4_12 GB
Nanonets-OCR2-3B.i1-Q4_K_M.ggufi1-Q4_K_M1.93 GB
Nanonets-OCR2-3B.i1-Q4_K_S.ggufi1-Q4_K_S1.83 GB
Nanonets-OCR2-3B.i1-Q5_K_M.ggufi1-Q5_K_M2.22 GB
Nanonets-OCR2-3B.i1-Q5_K_S.ggufi1-Q5_K_S2.17 GB
Nanonets-OCR2-3B.i1-Q6_K.ggufi1-Q6_K2.54 GB
Nanonets-OCR2-3B.imatrix.ggufimatrix3.39 MB
Nanonets-OCR2-3B.mmproj-Q8_0.ggufmmproj-Q8_0848 MB
Nanonets-OCR2-3B.mmproj-f16.ggufmmproj-f161.34 GB

Quants Usage

(sorted by size, not necessarily quality. IQ-quants are often preferable over similar sized non-IQ quants)

Here is a handy graph by ikawrakow comparing some lower-quality quant types (lower is better):

image.png

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

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

Ревизия весов
994c352

0 моделей