腾讯混元开源 HunyuanOCR 模型:1B 参数斩获多项 SOTA，多场景赋能 OCR 应用

JQR1

11月25日，腾讯混元正式宣布开源全新 OCR 模型 HunyuanOCR。该模型参数仅10亿（1B），依托混元原生多模态架构打造，在多项业界 OCR 应用榜单中斩获 SOTA(最先进水平)成绩，为 OCR 技术落地提供轻量化高效解决方案。

HunyuanOCR 采用全端到端范式设计，由原生分辨率视频编码器、自适应视觉适配器和轻量化混元语言模型三部分构成。其核心优势在于 “高效便捷”:体积小巧便于部署，单次前向推理即可实现功能最优输出，效率远超业界级联方案。



性能方面，HunyuanOCR 表现亮眼。在复杂文档解析的 OmniDocBench 测评中，以94.1分超越谷歌 Gemini3-Pro 等领先模型;在覆盖文档、手写、街景等9大场景的自建基准测试中，文字检测和识别能力大幅领先同类开源及商业模型;OCRBench 榜单上，其以1B 参数斩获总参数3B 以下模型 SOTA，总得分860分。小语种翻译领域，该模型支持14种高频小语种与中 / 英文互译，还拿下 ICDAR2025端到端文档翻译比赛小模型赛道冠军。



应用场景上，HunyuanOCR 可实现多语种复杂文档解析、票据字段 JSON 格式提取、视频双语字幕自动抽取等功能，已覆盖卡证处理、视频创作、跨境沟通等领域。目前，用户可通过 web 端、移动端链接或 GitHub、Hugging Face 开源地址下载体验，直接访问 Hugging Face 空间即可快速试用。
地址：

https://hunyuan.tencent.com/vision/zh?tabIndex=0

https://github.com/Tencent-Hunyuan/HunyuanOCR

来源：AIbase