Surya OCR 2.5

Surya 2.5 от Datalab — OCR-модель на 689M параметров. Через единый VLM она выполняет распознавание текста, layout-анализ и разбор таблиц на изображениях и PDF, выдавая блоки в порядке чтения и HTML-представление содержимого.

🔥 Ключевые особенности

• 🔥 Точность: 85.9 на OmniParseBench — лучший результат среди открытых моделей до 1B, которые оценивали авторы; 83.7% на olmOCR-bench.
• 🚘 Скорость: 4.5 страниц/с на одной H100 при 192 DPI; в 1.7 раза быстрее Surya 2 с MTP.
• 👁 Мультиязычность: 74.9% на внутреннем бенчмарке из 91 языка.
• ✅ Layout analysis: таблицы, изображения, заголовки и другие блоки с reading order; таблицы — в HTML, объединённые ячейки через colspan/rowspan.
• 🐾 Дополнительно: отдельные меньшие модели для line-level text detection и OCR error detection.

🦾 Пример

from PIL import Image
from surya.inference import SuryaInferenceManager
from surya.recognition import RecognitionPredictor

manager = SuryaInferenceManager()
rec = RecognitionPredictor(manager)
predictions = rec([Image.open(IMAGE_PATH)])

Подробнее

Бенчмарки: 85.9 OmniParseBench, 83.7% olmOCR-bench, 74.9% на внутреннем наборе из 91 языка.
Скорость: 4.5 стр./с на H100 при 192 DPI; 1.7× быстрее Surya 2 с MTP.
Запуск: нужен vllm на NVIDIA GPU (Docker + NVIDIA Container Toolkit) или llama.cpp на CPU/Apple Silicon.
Лицензия весов: modified AI Pubs Open Rail-M — бесплатно для исследований, личного использования и стартапов с финансированием/выручкой до $5M.
Ограничение: геометрия строк и колонок таблиц требует checkpoint Surya 2.