夜雨聆风点击下方“AIGC智汇局”，选择“加为星标”
优质文章，第一时间送达！
最近阿里巴巴扔出一颗小模型——OvisOCR2。
参数只有0.8B，小到可以在普通显卡上跑。但它在权威文档解析基准OmniDocBench v1.6上拿了96.58分，直接登顶。
更关键的是——这是第一个全面超越传统流水线方法的端到端文档解析模型。
什么意思？过去需要四五个模型接力才能干完的活儿，现在一个模型一步到位。
先搞清楚：文档解析到底在解决什么问题
你拍一张合同照片发给AI，让它帮你总结条款。AI能看懂吗？
能，但前提是得先把这张图里的文字、表格、公式全部“拆”出来，按正确顺序排列好，再喂给大模型。这个“拆”的过程，就是文档解析。
听起来简单，做起来极难。一份扫描版PDF里可能有正文、有表格、有公式、有页眉页脚，还可能有多栏排版。AI得先判断哪块是正文、哪块是表格、公式从哪里开始到哪里结束，然后再分别识别内容，最后按人类阅读的顺序拼回去。
过去行业怎么做？流水线——版面分析一个模型、文字识别一个模型、表格识别一个模型、公式识别一个模型，一个接一个串起来。
像工厂流水线，每个工位干一件事。问题是：前面工位出错，后面全歪。误差一层层累积。而且维护成本极高——每个模型都要单独调、单独更新，部署一套系统得伺候好几个模型。
OvisOCR2的做法：砍掉流水线，一个模型搞定所有
OvisOCR2走的是端到端路线。
输入一张文档图片，模型一次性输出Markdown格式的完整内容——文本、公式、表格、视觉区域全部按阅读顺序排好。
不需要多个模型接力，没有中间环节的误差传导。一个模型，一次生成，完事。
技术底子来自Qwen3.5-0.8B，阿里在这个基座上做了四件事：监督微调（SFT）、强化学习（RL）、在线策略蒸馏（OPD）和模型融合。
训练数据也下了功夫——真实文档提供自然的页面分布，合成文档专门补足表格公式交织、多栏版式、长输出这些复杂场景。真实加合成，两手都硬。
0.8B能干多大活儿？
0.8B参数是什么概念？GPT-3是175B，差了200多倍。
但OvisOCR2在OmniDocBench v1.6上拿了96.58分，登顶榜单。这个分数意味着它在文档解析的准确率上超过了所有前辈——包括那些参数大得多的模型。
而且它小。小就意味着便宜。显存占用低，算力要求低，普通消费级显卡就能跑。过去部署一套文档解析系统可能要上高性能服务器，现在一台普通机器就能搞定。
谁需要这东西？
三类人最直接受益。
第一，做RAG（检索增强生成）的团队。 RAG是目前企业把大模型接进自家知识库的主流方案。但RAG的第一步就是把企业内部的海量PDF、Word、扫描件解析成模型能读的格式。解析不准，后面检索和生成全歪。OvisOCR2直接把解析精度拉高一个档次，而且部署成本大幅降低。
第二，做智能问答的产品。 不管是客服机器人还是企业内部的知识问答，背后都依赖文档解析把资料库结构化。解析越快越准，问答体验就越顺。
第三，任何需要处理大量纸质文档或扫描件的企业。 金融、法律、医疗、教育——这些行业积压了海量非结构化文档。OvisOCR2让把这些文档“数字化”的门槛一下子低了很多。
行业正在发生什么变化
这次OvisOCR2登顶OmniDocBench，真正值得关注的不是分数，是技术路线的胜负。
文档解析这个赛道，过去一直由流水线方法统治。各家方案本质上都是拼凑多个模型，比拼的是谁把流水线搭得更稳。
OvisOCR2证明了端到端路线不仅能打，还能打赢。而且是用0.8B的小参数打赢的。
这意味着行业的技术竞争逻辑变了——不再是谁能堆更多模型、搭更复杂的流水线，而是谁能让单个模型更聪明、更高效地完成全流程。
另外值得注意的是，阿里选择开源，基于Apache 2.0协议，已经上架Hugging Face和魔搭社区。兼容vLLM等主流推理框架，可以无缝接入千问生态。
开源意味着什么？任何开发者、任何公司都可以直接下载使用，不用从零开始研发。文档解析这个基础设施级别的能力，正在从一个“大厂专利”变成“人人可用的工具”。
接下来会怎样
可以预见几个变化。
企业部署文档解析的成本会大幅下降。 0.8B的参数规模意味着不需要昂贵的GPU集群，中小企业也能负担得起高精度的文档解析能力。
RAG应用的门槛会进一步降低。 文档解析是RAG的“第一公里”。这公里跑通了，后面检索和生成的质量才有保障。OvisOCR2让这公里变得更便宜、更准、更容易铺开。
端到端会成为文档解析的主流方向。 OvisOCR2已经用96.58分证明了这条路走得通。接下来会有更多团队跟进端到端路线，流水线方法可能会逐步被替代。
阿里这次放出的是一颗0.8B的小模型，但撬动的是文档智能这个基础设施层的大变革。
从“多个模型串联”到“一个模型搞定”，从“重资产部署”到“轻量级接入”——这个转变，正在让AI读懂文档这件事，从一个复杂的系统工程，变成一个即插即用的能力。