Сравнение моделей PaddleOCR-VL-0.9B vs olmOCR-2-7B-1025

× PaddlePaddle/PaddleOCR-VL-0.9B

PaddleOCR-VL-0.9B — ресурсно‑эффективная vision‑language модель, разработанная для разбора документов и точного распознавания элементов страницы. Она сочетает визуальный энкодер с динамическим разрешением в стиле NaViT и языковую модель ERNIE-4.5-0.3B, что позволяет уверенно извлекать текст, таблицы, формулы и графики. Модель поддерживает 109 языков, показывает сильные результаты в document parsing и element recognition и хорошо подходит для практического OCR и document AI.

× allenai/olmOCR-2-7B-1025

olmOCR-2-7B-1025 — модель для генерации текста и решения прикладных задач. Поддерживает мультимодальные входы (изображения и текст). Контекст до 16384 токенов.