/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
next-ocr
Библиотека
transformers
Опубликована
11 мар 2026

next-ocr-i1-GGUF

Изображение и текст → текст14 профессий

thelamapi/next-ocr-i1-GGUF — GGUF-версия модели Next OCR 8B, разработанной Lamapi. Это мультимодальная модель на базе thelamapi/next-ocr, предназначенная для распознавания текста на изображениях, в документах и снимках экрана, а также для анализа визуального содержимого по текстовым инструкциям.

603скачиваний за 30 дней2лайкавеса обновлены11 мар 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

Модель содержит около 8 миллиардов параметров и ориентирована на OCR с поддержкой математических выражений, таблиц, форм, рукописного текста и сложной структуры документов. Заявлена поддержка более 30 языков, включая английский, турецкий, немецкий, испанский, французский, китайский, японский, корейский и русский. В README она описывается как эффективная и компактная instruction-tuned модель для понимания документов; максимальный размер контекста и точная схема квантования GGUF не указаны.

Согласно приведённым в README результатам, модель показывает высокие показатели на OCR-бенчмарках, мультиязычном распознавании, работе с таблицами, рукописным и сценовым текстом, однако методика оценки и независимое подтверждение этих результатов не представлены. Для работы требуется передавать одновременно изображение и текстовый запрос. В метаданных указана лицензия Apache-2.0, но в README также присутствует бейдж MIT, поэтому условия лицензирования следует дополнительно уточнить.

Для каких профессий подходит14

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

🖼️ Next OCR 8B

Compact OCR AI — Accurate, Fast, Multilingual, Math-Optimized

License: MIT Language: Multilingual HuggingFace Discord


📖 Overview

Next OCR 8B is an 8-billion parameter model optimized for optical character recognition (OCR) tasks with mathematical and tabular content understanding.

Supports multilingual OCR (Turkish, English, German, Spanish, French, Chinese, Japanese, Korean, Russian...) with high accuracy, including structured documents like tables, forms, and formulas.


⚡ Highlights

  • 🖼️ Accurate text extraction, including math and tables
  • 🌍 Multilingual support (30+ languages)
  • ⚡ Lightweight and efficient
  • 💬 Instruction-tuned for document understanding and analysis

📊 Benchmark & Comparison

image


ModelOCR-Bench Accuracy (%)Multilingual Accuracy (%)Layout / Table Understanding (%)
Next OCR99.096.895.3
PaddleOCR95.293.995.3
Deepseek OCR90.687.486.1
Tesseract92.088.472.0
EasyOCR90.484.778.9
Google Cloud Vision / DocAI98.795.593.6
Amazon Textract94.786.286.1
Azure Document Intelligence95.193.691.4

ModelHandwriting (%)Scene Text (%)Complex Tables (%)
Next OCR929691
PaddleOCR889290
Deepseek OCR808583
Tesseract758870
EasyOCR788675
Google Cloud Vision / DocAI909592
Amazon Textract859088
Azure Document Intelligence879189

🚀 Installation & Usage

from transformers import AutoTokenizer, AutoModelForVision2Seq
import torch

model_id = "Lamapi/next-ocr"

tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForVision2Seq.from_pretrained(model_id, torch_dtype=torch.float16)

img = Image.open("image.jpg")

# ATTENTION: The content list must include both an image and text.
messages = [
    {"role": "system", "content": "You are Next-OCR, an helpful AI assistant trained by Lamapi."},
    {
        "role": "user",
        "content": [
            {"type": "image", "image": img},
            {"type": "text", "text": "Read the text in this image and summarize it."}
        ]
    }
]

# Apply the chat template correctly
prompt = processor.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)
inputs = processor(text=prompt, images=[img], return_tensors="pt").to(model.device)

with torch.no_grad():
    generated = model.generate(**inputs, max_new_tokens=256)

print(processor.decode(generated[0], skip_special_tokens=True))

🧩 Key Features

FeatureDescription
🖼️ High-Accuracy OCRExtracts text from images, documents, and screenshots reliably.
🇹🇷 Multilingual SupportWorks with 30+ languages including Turkish.
⚡ Lightweight & EfficientOptimized for resource-constrained environments.
📄 Layout & Math AwarenessHandles tables, forms, and mathematical formulas.
🏢 Reliable OutputsSuitable for enterprise document workflows.

📐 Model Specifications

SpecificationDetails
Base ModelQwen 3
Parameters8 Billion
ArchitectureVision + Transformer (OCR LLM)
ModalitiesImage-to-text
Fine-TuningOCR datasets with multilingual and math/tabular content
OptimizationsQuantization-ready, FP16 support
Primary FocusText extraction, document understanding, mathematical OCR

🎯 Ideal Use Cases

  • Document digitization
  • Invoice & receipt processing
  • Multilingual OCR pipelines
  • Tables, forms, and formulas extraction
  • Enterprise document management

📄 License

MIT License — free for commercial & non-commercial use.


📞 Contact & Support


Next OCR — Compact OCR + math-capable AI, blending accuracy, speed, and multilingual document intelligence.

Follow on HuggingFace

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
ab2ac00

0 моделей