阿里开源0.8B文档解析模型，端到端模型首次超越流水线方法

as22

7月24日消息，今日，阿里云开源发布文档解析模型OvisOCR2。

该模型以96.58的综合得分刷新OmniDocBench v1.6榜单纪录，成为首个超越流水线方法并登顶该榜单的端到端模型，这是文档解析领域迎来技术路线的重要突破。

据介绍，OvisOCR2采用端到端技术路线：输入一张文档图像，模型在一次生成中输出符合自然阅读顺序的Markdown表示，覆盖文本、公式、表格和视觉区域。过去需要多个模型协作完成的工作，现在由一个模型一步到位。

在OmniDocBench v1.6上以96.58分登顶，首次证明端到端模型可超越流水线方法。

OvisOCR2由Qwen3.5-0.8B后训练得到。团队构建了真实文档与合成文档互补的数据引擎体系，合成文档专门补充表格与公式交织、多栏版式、长输出等复杂场景。训练方案融合监督微调（SFT）、强化学习（RL）、在线策略蒸馏（OPD）和模型融合四阶段流程，形成多阶段递进式的训练流程，充分释放紧凑模型的潜力。

OvisOCR2以Apache 2.0许可证开源，兼容vLLM等主流推理框架，与Qwen3.5推理生态衔接，开发者无需额外适配即可集成。

模型获取方式：

Hugging Face: https://huggingface.co/ATH-MaaS/OvisOCR2

魔搭：https://modelscope.cn/models/ATH-MaaS/OvisOCR2

技术报告：https://arxiv.org/abs/2607.13639