TL;DR

OvisOCR2는 Qwen3.5-0.8B를 실사·합성 데이터를 결합한 데이터 엔진과 SFT·RL·OPD로 이어지는 다단계 post-training으로 튜닝한 0.8B 엔드투엔드 문서 파서로, 페이지 이미지를 자연스러운 읽기 순서의 단일 Markdown 문서로 직렬화한다. 표는 HTML table, 수식은 LaTeX, 그림·차트 등 시각영역은 좌표 기반 img 태그로 규격화해 파이프라인식 다중 컴포넌트 없이 하나의 모델 추론으로 구조화 출력을 만든다. OmniDocBench v1.6에서 Overall 96.58을 기록해 파이프라인 방식을 처음으로 제친 엔드투엔드 모델이 됐고 PureDocBench Avg3에서도 75.06으로 최고 점수를 보였다. vLLM 위에서 max_tokens=16384, temperature=0.0의 결정론적 설정으로 구동하도록 설계돼 있어, 소형 모델로 대량 문서를 안정적으로 구조화해야 하는 서비스에 적합하다.

핵심 포인트

• 감지·인식·구조화를 나눠 처리하는 파이프라인 방식과 달리 0.8B 단일 모델로 문서 전체를 한 번에 Markdown으로 직렬화해 배포 구성요소를 줄였다.
• OmniDocBench v1.6에서 엔드투엔드 모델 최초로 96.58점을 기록해 기존 파이프라인 방식 모델들을 제쳤다.
• 표·수식·시각영역 출력 형식을 HTML·LaTeX·좌표기반 img 태그로 고정해 후처리 없이 재사용 가능한 문서 산출물을 만든다.
• 실세계·합성 데이터를 결합한 데이터 엔진과 SFT→RL→OPD 다단계 학습으로 0.8B라는 작은 크기에서도 문서 파싱 정확도를 확보했다.

제한사항

벤치마크