HyOCR-1.5 发布：轻量化端到端 OCR 模型实现性能与效率双突破

近日，端到端 OCR 专家模型 HyOCR-1.5 正式发布。该模型在保持轻量化架构的基础上，通过技术革新实现了性能与效率的显著提升。

HyOCR-1.5 是该领域首个全栈开源模型，不仅公开了模型权重，还将训练配方、数据构造方法及推理加速框架向社区开放。开发者可基于该模型进行复现、微调，并能将其部署在消费级显卡或普通笔记本电脑上。

针对长自回归解码带来的延迟问题，研发团队推出了名为"DFlash"的投机解码框架。该框架采用约 90.7M 参数的轻量级草稿模型进行并行预测，在保障输出准确性的同时大幅提升推理速度。在 OmniDocBench 测评中，该技术在 Transformers 架构下实现了 6.37 倍的加速效果。

在模型能力提升方面，HyOCR-1.5 采用"智能体驱动数据流"策略。研发团队将模型薄弱环节转化为具体任务目标，由智能体自主拆解、搜集语料并完成清洗验证。这一闭环训练模式有效改善了古文字识别、低资源语种处理及跨页多图问答等场景的表现。同时，4K 分辨率输入与 128K 上下文窗口的训练优化，也增强了模型处理复杂文档时的稳定性。

评测数据显示，仅 1B 参数规模的 HyOCR-1.5 在多项任务中表现突出。其在 OmniDocBench v1.6 中位居端到端模型前列，古文字识别与图表解析性能更可媲美 8B 规模的通用模型。

HyOCR-1.5 的推出，标志着端到端 OCR 大模型正向更轻量、更普惠的方向发展。该模型通过感知与理解的深度融合，既为企业级部署提供了高效方案，也为个人电脑端的本地化文档智能处理奠定了基础，有助于推动 OCR 技术的进一步行业落地。