Jina AI выпустила jina-ocr-v1: распознаёт документы в Markdown и работает на одной видеокарте

Релиз 18 сентября 2026 Дмитрий ЛаринРедактор · 1 мин чтения

Jina AI выложила модель jina-ocr-v1 для перевода сканов и PDF в размеченный текст. В ней 3 млрд параметров, но на каждый токен работает около 570 млн, а на тесте olmOCR-Bench она набирает 83,4 балла — на 7,4 больше, чем DeepSeek-OCR, на которой построена.

Рисунок нейросети

Модель собрана по схеме смеси экспертов: из 3 млрд параметров на каждом шаге задействована примерно пятая часть. За основу взята DeepSeek-OCR с её зрительным кодировщиком. Чтобы ускорить вывод, Jina добавила спекулятивное декодирование: модель предсказывает сразу три токена вперёд, и на видеокарте L4 скорость генерации почти удваивается.

На выходе получается Markdown с сохранённым порядком чтения. Формулы модель переводит в LaTeX, таблицы — в HTML, колонтитулы убирает. На OmniDocBench v1.6 она набирает 91,14 балла. На странице документа в среднем уходит 1085 токенов — меньше, чем у других моделей верхней группы, поэтому обработка выходит дешевле.

На A100 при 32 параллельных запросах модель обрабатывает 2,57 страницы в секунду. Веса лежат на Hugging Face под лицензией CC BY-NC 4.0: для исследований и личных задач модель бесплатна, для коммерческого использования нужно договариваться с Jina AI.

Где это в наших таблицах

Первоисточник: Jina AI

Похожие новости