CHURRO — мультимодальная модель на 3,1 млрд параметров для распознавания рукописного и печатного текста на изображениях исторических документов.
Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды
Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.
Вместе с другими моделями категории «Изображение → текст» — сравнение идёт внутри одной категории.
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.
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.
Описание составлено по карточке модели и метаданным Hugging Face
CHURRO — открытая по весам мультимодальная модель распознавания исторических документов, разработанная Stanford OVAL. Модель содержит 3,1 млрд параметров и дообучена на базе Qwen/Qwen2.5-VL-3B-Instruct; она принимает изображения документов и выдаёт распознанный текст. Контекст модели — 128 000 токенов.
Модель предназначена для транскрибации рукописного и печатного текста из исторических источников. Она обучена на CHURRO-DS — наборе примерно из 100 тысяч страниц 155 исторических коллекций, охватывающем 22 века и 46 языковых кластеров, в том числе исторические и мёртвые языки. Авторы сообщают о более высокой точности, чем у ряда существенно более крупных коммерческих и открытых VLM, при более низкой стоимости; для тестового набора CHURRO заявлено снижение стоимости в 15,5 раза относительно Gemini 2.5 Pro при превышении его точности.
В репозитории указана лицензия other, поэтому перед использованием следует проверить её условия. Заявленные результаты относятся к тестовому набору CHURRO-DS; качество на иных коллекциях, почерках и языках может отличаться.
Условия лицензии с обозначением other следует проверить перед использованием. Заявленные показатели основаны на тестовом наборе CHURRO-DS и не гарантируют такого же качества на других коллекциях и языках.
Разделы каталога профессий, в задачах которых используется эта модель
README от автора на Hugging Face, как он его опубликовал
CHURRO is a 3B-parameter open-weight vision-language model (VLM) for historical document transcription. It is trained on CHURRO-DS, a curated dataset of ~100K pages from 155 historical collections spanning 22 centuries and 46 language clusters. On the CHURRO-DS test set, CHURRO delivers 15.5× lower cost than Gemini 2.5 Pro while exceeding its accuracy.
For more details and code see https://github.com/stanford-oval/Churro.
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм
Подбираем GPU…