К содержимому
Компьютерное зрение

Typhoon OCR V2 0.8B EAGLE-3

ускоритель генерации для OCR

2 мин чтенияобновлено

Это вспомогательный модуль (draft head на базе метода EAGLE-3) от команды typhoon-ai, который ускоряет работу модели распознавания документов Typhoon OCR V2 0.8B в движке vLLM. Модуль использует спекулятивное декодирование (технику, при которой лёгкая надстройка предсказывает сразу несколько следующих токенов, а основная модель проверяет их за один проход). Сама по себе модель не работает и запускается только в паре с базовой версией на 0.8B параметров. Решение пригодится разработчикам, которым нужно быстрее парсить страницы документов и извлекать из них текст или JSON без потери качества.

Ключевые особенности

  • Прирост скорости в 1.5–1.7 раза: на каждом шаге надстройка предлагает 3 токена вперёд, в среднем принимается 70% из них (около 3.1 токена за шаг вместо одного).
  • Сохранение качества распознавания: при жадном декодировании (greedy decoding) точность на бенчмарке MDPBench остаётся на уровне базовой модели.
  • Компактная архитектура: модуль весит около 0.31B параметров (включая копию эмбеддингов), состоит из одного слоя трансформера и работает со словарём из 32 000 частых токенов.
  • Поддержка документов на английском и тайском: обучение проходило на 18 988 примерах с упором на парсинг полных страниц в JSON и тайские тексты.

Что можно сделать

  • Ускорить API-сервер распознавания документов: подключить модуль через флаг --speculative-config в vLLM для более быстрой обработки входящих сканов и PDF.
  • Увеличить пропускную способность при пакетной обработке: ускорить оцифровку архивов при одновременной обработке нескольких запросов.

Пример

from vllm import LLM

llm = LLM(
    model="typhoon-ai/typhoon-ocr2-0.8b",
    max_model_len=40960,
    limit_mm_per_prompt={"image": 1},
    speculative_config={"method": "eagle3", "model": "typhoon-ai/typhoon-ocr2-0.8b-eagle3", "num_speculative_tokens": 3},
)
ПодробнееСкорость на 1 H100 (vLLM 0.33.0): 546 токенов/с против 327 при 1 запросе (1.7×) и 2 570 против 1 488 при 16 запросах (1.5×).
Точность на MDPBench (320 страниц): 76.9 балла против 76.8 у базовой модели (77.2 на английском и 76.6 на тайском).
Ограничения: работает только в vLLM (тестировалось на версии 0.33.0), не поддерживается в Transformers, llama.cpp, Ollama и MLX.
Совместимость и лицензия: подходит строго для typhoon-ocr2-0.8b (для версии 2B есть отдельный модуль), лицензия Apache 2.0.
Обсудить Telegram 0 33

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 0.6 GB · готовые файлы1.1 GB
  • FP8 / INT8рекомендуемвеса 0.3 GB0.8 GB
  • 4-bitвеса 0.2 GB0.7 GB

Совет: берите 8-bit.FP8 / INT8 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.

Что взять под эту модель

Massed ComputeОткрыть Massed Compute

Своя видеокарта: FP8 / INT8 — от RTX 2060 · BF16 — от RTX 2060

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

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.

    # typhoon-ai/typhoon-ocr2-0.8b-eagle3
    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 typhoon-ai/typhoon-ocr2-0.8b-eagle3 --local-dir ~/models/typhoon-ocr2-0.8b-eagle3
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к typhoon-ocr2-0.8b-eagle3
  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

Дообучение модели

typhoon-ai/typhoon-ocr2-0.8b
  1. Qwen3.5-0.8B-Baseоснова семьи
  2. Qwen3.5-0.8B
  3. OvisOCR2
  4. typhoon-ocr2-0.8b
  5. typhoon-ocr2-0.8b-eagle3

Новые посты про версии Qwen3.5-0.8B-Base — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 12Все на Hugging Face
Дообучения 12Все на Hugging Face
LoRA и адаптеры 9Все на Hugging Face
Слияния 1Все на Hugging Face

О модели

typhoon-ai/typhoon-ocr2-0.8b-eagle3
Автор
typhoon-ai
Категория
Компьютерное зрение
Дата выхода
На сайте

На сайте

Hugging Face

330

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии