К содержимому
Компьютерное зрение

Typhoon OCR V2 2B

парсер страниц с layout и JSON

1 мин чтения

Typhoon OCR V2 2B от typhoon-ai — документный парсер для тайского и английского. На вход берёт изображение страницы и возвращает элементы layout в порядке чтения: категорию, bounding box и текст. Это файнтюн Infinity-Parser2-Flash на базе Qwen3.5, 2B параметров в BF16.

Ключевые особенности

  • 13 категорий элементов и bbox; таблицы — HTML, формулы — LaTeX, остальной текст — Markdown.
  • Умеет visual question answering, классификацию документов, извлечение ключевой информации в JSON и чтение таблиц, формул и графиков.
  • Тайский заметно улучшен: примерно +25 пунктов на MDPBench Thai и ThaiOCRBench относительно базовой модели; английские метрики тоже выросли.
  • Лучше на сфотографированных страницах: MDPBench photographed pages 61.6 → 80.1.
  • Вместе с 2B выпущена меньшая Typhoon OCR V2 0.8B для более дешёвого парсинга страниц.

Пример

Извлечение процентов ингредиентов с упаковки снека по промпту из карточки:

{"มะพร้าว": "68%", "น้ำตาล": "29%", "เกลือสมุทร": "2%", "กลิ่นคาราเมล": "1%"}
ПодробнееMDPBench: 80.2 (Thai 81.9), ThaiOCRBench: 59.8, OmniDocBench v1.6: 91.49.
2B BF16, Qwen3.5; SFT, затем GRPO с LoRA r=64, которая вмержена в веса.
Вход — одно изображение страницы; обучение на изображениях до 4 MP, бенчмарки — до 16.7 MP.
Языки: тайский и английский; китайский был в обучении, но отдельно не оценивался.
Примеры
Обсудить Telegram 2

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 4.1 GB · готовые файлы5.0 GB
  • FP8 / INT8рекомендуемвеса 2.1 GB2.8 GB
  • 4-bitвеса 1.2 GB1.8 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-ocr2-2b
    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-ocr2-2b --local-dir ~/models/typhoon-ocr2-2b
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к typhoon-ocr2-2b
  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

infly/Infinity-Parser2-Flash

Новые посты про версии Infinity-Parser2-Flash — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 5Все на Hugging Face
Дообучения 3Все на Hugging Face

О модели

typhoon-ai/typhoon-ocr2-2b
Автор
typhoon-ai
Категория
Компьютерное зрение
Дата выхода
На сайте

На сайте

Hugging Face

02

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Компьютерное зрение

HoloCT-8B

HoloCT-8B
Компьютерное зрение

PANORAMA-2B

PANORAMA-2B