К содержимому
Компьютерное зрение

Typhoon OCR V2 0.8B

компактный парсер страниц для тайского и английского

1 мин чтенияобновлено

Модель на 0.8B параметров разбирает изображение страницы и возвращает JSON-список элементов в порядке чтения: категорию, bounding box и текст. Это файнтюн OvisOCR2; таблицы отдаются как HTML, формулы как LaTeX, остальной текст как Markdown. Языки: тайский и английский.

Ключевые особенности

  • 13 категорий layout: title, text, table, formula, header, footer и др.
  • Таблицы — HTML, формулы — LaTeX, текст — Markdown.
  • 0.8B параметров, BF16; архитектура Qwen3.5.
  • На MDPBench — 77.4, на olmOCR-bench — 81.7, на OmniDocBench v1.6 — 89.37.
  • Заточен под полную разметку страницы; для вопросов по документам лучше 2B-версия.

Пример

vllm serve typhoon-ai/typhoon-ocr2-0.8b \
  --served-model-name typhoon-ocr2 \
  --max-model-len 40960 \
  --limit-mm-per-prompt '{"image": 1}' \
  --mm-processor-kwargs '{"min_pixels": 2048, "max_pixels": 16777216}' \
  --default-chat-template-kwargs '{"enable_thinking": false}' \
  --enforce-eager
ПодробнееОбучение: SFT на 9000 шагов, затем GRPO с LoRA r=64 (850 шагов).
На ThaiOCRBench — 36.4: ниже Typhoon OCR 1.5 (40.5) и 2B-версии (59.9).
С vLLM обязательно запускать в eager-режиме: в compiled-режиме точность заметно падает.
Безопаснее использовать как page parser, а не универсальную VQA-модель.
Примеры
Обсудить Telegram 0 64

Запустится ли?

Считаем требования к памяти

Бот ещё собирает размеры весов этой модели — оценка появится здесь через несколько минут. Пока можно арендовать видеокарту с запасом.

Massed ComputeОткрыть Massed Compute

Запуск на Massed Compute

Скрипт скачает модель на арендованную машину. Как её запустить — в карточке модели.

  1. 1. Арендуйте машину с подходящей видеокартой

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.

    HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.

    # Suraponn/typhoon-ocr2-0.8b
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download Suraponn/typhoon-ocr2-0.8b --local-dir ~/models/typhoon-ocr2-0.8b
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к typhoon-ocr2-0.8b
  3. 3. Пользуйтесь

    Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).

Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.

Как ускорить

Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.

  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (2)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

Семья модели

Новые посты про версии typhoon-ocr2-0.8b — сжатые, дообучения, LoRA — появятся в колокольчике.

У этой модели пока нет известных родственников. Все производные на Hugging Face

О модели

Suraponn/typhoon-ocr2-0.8b
Автор
Suraponn
Категория
Компьютерное зрение
Дата выхода
На сайте

На сайте

Hugging Face

640

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Компьютерное зрение

tc-4b

tc-4b
Компьютерное зрение

DesignCoder 4B

DesignCoder 4B