LightOn 开源 OCR 模型 LightOnOCR-3，可将图表转为表格

法国 AI 公司 LightOn 于 2026 年 10 月 8 日发布了 LightOnOCR-3 模型系列。OCR（光学字符识别）模型可以把扫描件或照片中的文字转换为可编辑文本。LightOnOCR-3 提供 0.8B、1B 和 4B 三个规格，采用 Apache 2.0 许可证，可用于研究和商业用途。模型文件开放下载，机构可以在自己的服务器上运行。

据该公司公告介绍，这一代模型有三项新能力：可以用带标签的框标出页面上每个区块的位置和类型；为非图表类图片写一句最多约十个词的简短说明；还能把每张图表中的数据提取为一个 HTML 表格。提示词留空时，模型只转写文字；使用 grounding 提示词时，还会输出页面版式、图片说明和图表表格。

采用 Qwen3.5 架构，公布测试结果

0.8B 和 4B 模型采用 Qwen3.5 视觉语言架构，公告称 4B 模型基于 Qwen3.5-4B；1B 模型则沿用上一代架构。根据 LightOn 公布的结果，4B 模型在 olmOCR-Bench 上得分 86.3；表格中排名第一的是 351 亿参数的 Infinity Parser Pro，得分 87.6，同等规模的 Chandra 2 为 85.8。在涵盖五个类别的 ParseBench 上，4B 和 0.8B 模型分别以 75.1 和 74.6 位列前两名。4B 模型在图表识别和语义格式两个类别中也得分最高。

速度测试在单张 H100 显卡上使用 vLLM 完成。据该公司介绍，在 1540 像素分辨率下，0.8B 模型每秒可处理 4.78 页，4B 模型为 3.36 页；1B 模型单页延迟最低，为 2.7 秒。LightOn 在 GitHub 上公开了输出转换、可视化和复现测试结果的脚本，Hugging Face 上也提供了在线演示。

公告称训练数据包含 20 多种语言的合成页面，但没有单独给出中文等语言的结果，只另外公布了法语文档的测试结果。用于实际文档之前，最好先用自己的样例测试。对比测试由 LightOn 完成，部分类别中竞品模型领先。想获得更全面的了解，也请关注独立研究人员的评估。

来源：LightOn：LightOnOCR-3 发布公告、Hugging Face：LightOnOCR-3-1B 模型卡、GitHub：LightOnOCR。