/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
560 млн
Лицензия
MIT
Архитектура
unlimited-ocr · dense
Базовая модель
Unlimited-OCR
Библиотека
krill
Опубликована
30 июн 2026

Unlimited-OCR-mixed-nvfp4

Генерация текстаТекст → текст11 профессий

Квантованная сборка Unlimited-OCR для Krill распознаёт текст и разбирает документы по изображениям страниц.

143скачиваний за 30 дней0лайковвеса обновлены5 сен 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

srv-sngh подготовил для среды Krill на Apple Silicon квантованную сборку модели baidu/Unlimited-OCR, основанной на DeepSeek-OCR. Это мультимодальная модель для распознавания текста и разбора документов по изображениям с выдачей текстового результата, привязанного к содержимому страницы. Архитектура включает языковую основу DeepSeek-MoE и визуальный энкодер DeepEncoder на базе SAM-ViT-B, CLIP-L и проектора; размер модели по метаданным — 559,7 млн параметров, контекст — 32 768 токенов.

Сборка использует смешанную точность: эксперты MoE квантованы в nvfp4, а внимание, плотные слои и линейные слои визуального энкодера — в 8-битный формат. В описанном режиме модель обрабатывает одну страницу с глобальным представлением изображения; режим разбиения больших или плотных сканов на фрагменты указан как будущая возможность. Для запуска предназначен Krill со Swift и MLX на Apple Silicon; контрольная точка не является готовой для Transformers. Лицензия — MIT.

Сценарии применения

  • извлечение текста со сканов документов
  • разбор структуры страницы с широким макетом
  • преобразование изображения документа в привязанный к нему текст
  • распознавание английских и китайских документов

Ограничения

Сборка предназначена для Krill на Apple Silicon и не является готовой контрольной точкой для Transformers. Описанный режим использует одно глобальное представление страницы; разбиение плотных или крупных сканов на фрагменты пока обозначено как будущая возможность.

Для каких профессий подходит11

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

Unlimited-OCR — Krill mixed-nvfp4 (MLX)

A Mac-native (Apple Silicon / MLX) mixed-precision build of baidu/Unlimited-OCR (built on DeepSeek-OCR), packaged for the Krill runtime. It parses documents and images to grounded text with no Python and no trust_remote_code — the DeepSeek-MoE language backbone and the DeepEncoder vision tower (SAM-ViT-B + CLIP-L + projector) run natively in Swift + MLX.

Run with Krill

krill pull unlimited-ocr
krill run unlimited-ocr --image your_page.png "document parsing."

It emits grounded OCR, e.g.:

<|det|>title [48, 74, 402, 130]<|/det|>Invoice 2026
<|det|>text  [33, 229, 370, 290]<|/det|>Bill to: Acme Corporation
...

Format

Mixed-precision, single-file model.safetensors (~2.3 GB, from the 6.67 GB bf16 source):

ModulesPrecision
MoE experts (the residency-dominant bulk)nvfp4 (group 16)
attention q/k/v/o, dense + shared FFN, embed, lm_head8-bit affine (group 64)
DeepEncoder vision Linears (SAM / CLIP / projector)8-bit affine
Conv2d kernels, norms, position/learned embeddings, router gateunquantized

This format is Krill-specific (the native Swift+MLX runtime resolves the per-module quantization); it is not a drop-in transformers checkpoint.

Scope

Ships the base view (single 1024 global view → 273 image tokens), which reads full pages including wide layouts. The "gundam" tiling mode (local crops for very dense/large scans) is a follow-up.

Credit & license

All credit to the original authors, baidu/Unlimited-OCR and DeepSeek-OCR. MIT licensed, as upstream.


About this build

Quantized and tested by Sourav Singh for Krill, a Mac-native LLM runtime and coding agent in one Swift + MLX binary. More Apple Silicon builds: huggingface.co/srv-sngh. Notes on building with local models and frontier AI: souravailabs.ai · GitHub · LinkedIn · YouTube

Как запустить

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

GPU в ailist

Универсальный рантайм · krill

Нельзя запустить

MLX-модели работают только на Apple Silicon.

Класс архитектуры
UnlimitedOCRForCausalLM
Ревизия весов
ff74508

0 моделей