¿Qué es HunyuanOCR 1.5?
HunyuanOCR 1.5 es un modelo de visión y lenguaje para OCR de 1.120 millones de parámetros del equipo Hunyuan de Tencent, publicado el 7 de julio de 2026 con un informe técnico en arXiv. Mantiene la arquitectura de HunyuanOCR 1.0, un codificador visual que alimenta un modelo de lenguaje Hunyuan-0.5B, y cambia el entrenamiento: imágenes de hasta 4K de resolución, un contexto de 128K tokens y datos generados por una canalización dirigida por agentes y orientada a escrituras antiguas, idiomas con pocos recursos y preguntas sobre varias imágenes.
Un solo modelo se ocupa del análisis de documentos a Markdown con tablas en HTML y fórmulas en LaTeX, la localización de texto con coordenadas, la extracción de campos, el análisis de gráficos y la traducción del texto de las imágenes. Un modelo borrador DFlash, incluido en el mismo repositorio, propone varios tokens a la vez para que el modelo principal los verifique, lo que acelera las salidas largas sin cambiarlas.
Los pesos se distribuyen con la Tencent Hunyuan Community License. No se aplica en la Unión Europea, el Reino Unido ni Corea del Sur, y los servicios con más de 100 millones de usuarios activos mensuales necesitan una licencia aparte de Tencent.
¿Merece la pena HunyuanOCR 1.5?
El atractivo de HunyuanOCR 1.5 es la amplitud con un tamaño pequeño. En el informe de Tencent obtiene 94,74 en OmniDocBench v1.6, la cifra más alta entre los modelos de OCR de extremo a extremo de su tabla, por delante de Unlimited-OCR con 93,92, Qianfan-OCR con 93,90 y FireRed-OCR con 93,26. Esa tabla deja fuera las canalizaciones en dos fases; PaddleOCR-VL-1.6 comunica 96,33 en el mismo benchmark, y la tabla comparativa propia de Jina recoge a los dos con 94,74 y 96,34. También conserva las capacidades generales de HunyuanOCR 1.0, con 861 en OCRBench frente a 860 antes.
La afirmación de velocidad es más limitada de lo que sugiere el resumen. DFlash da 2,14 veces la velocidad de decodificación normal con vLLM y 6,37 veces con Transformers, que parte de unas lentas 0,029 páginas por segundo. En la prueba de Tencent con una sola petición en una H20, 0,706 páginas por segundo lo sitúan por delante de GLM-OCR con 0,604 y PaddleOCR-VL-1.6 con 0,562, pero con ocho peticiones simultáneas solo llega a 1,797, una cifra modesta al lado del rendimiento por lotes que publican otros equipos, aunque esas pruebas usaron otro hardware.
Todas las cifras de precisión y velocidad son de Tencent. El modelo aún no está en la clasificación independiente BHL OCR, y en CHAOS-Bench, una prueba de alucinaciones que Tencent presentó con esta versión, lógicamente va en cabeza.
La licencia es el factor decisivo para muchos lectores. La Tencent Hunyuan Community License excluye directamente la Unión Europea, el Reino Unido y Corea del Sur, incluido el uso allí de los resultados del modelo, así que una empresa europea no puede desplegarlo en absoluto. Para los equipos de otros lugares es uno de los pocos modelos de menos de 2B que además hacen localización de texto, extracción de campos y traducción de imágenes, algo que PaddleOCR-VL-1.6 y MiniCPM-OCR 1.0 no cubren en un solo modelo.
Dónde se gana su sitio
Un equipo de localización en una editora de videojuegos de Singapur
Traducir el texto de capturas de pantalla e imágenes de marketing
Sirve el modelo con vLLM y usa los tipos de tarea trans_other2en o doc_trans_en2zh para obtener directamente el texto traducido. Singapur está dentro del territorio de la licencia; una oficina de la misma empresa en Londres no lo está.
Un ingeniero de administración en una aseguradora china
Extraer campos de tarjetas y recibos a datos estructurados
Usa los prompts structured_parse o de extracción de información en una GPU con el borrador DFlash activado. Tencent comunica 92,40 en tarjetas y 92,55 en recibos en sus pruebas de extracción, frente a 80,59 y 80,66 de Gemini 2.5 Pro.
Una desarrolladora en una startup de investigación estadounidense que trabaja con portátiles
Analizar artículos y gráficos sin conexión y sin una GPU de servidor
Convierte el checkpoint a GGUF y ejecuta llama-server, o el fork de llama.cpp adaptado a DFlash, en un portátil. Los pesos ocupan unos 2,2 GB en BF16, y la licencia no cuesta nada por debajo de 100 millones de usuarios mensuales.
Antes de decidirte
- Puesta en marcha
- Crea un entorno uv con vLLM 0.25.1+ y flash-attn 2.8.3 (CUDA 13), descarga tencent/HunyuanOCR excluyendo v1.0 y después arranca serve.sh o serve_DFlash.sh desde el repositorio de GitHub.
- Integraciones
- Clase nativa en Transformers 5.13+; servidor vLLM compatible con OpenAI con scripts de lotes; llama.cpp mediante conversión a GGUF; infraestructura de aprendizaje por refuerzo basada en verl y código de SFT en GitHub.
- Datos y privacidad
- Tencent Hunyuan Community License: no es válida en la UE, el Reino Unido ni Corea del Sur, se aplica una política de uso aceptable y los servicios con más de 100 millones de usuarios activos mensuales deben pedir permiso a Tencent. Las ejecuciones autoalojadas mantienen los documentos en local.
- Coste a escala
- Tencent mide 0,706 páginas por segundo con DFlash y una petición, y 1,797 con ocho, en una H20; no se publica precio alojado, así que el coste es tu propio tiempo de GPU.
- Límites
- El entorno unificado necesita CUDA 13; la vía de Transformers es mucho más lenta que vLLM; el inglés y el chino son los principales idiomas documentados; el cliente incluido permite hasta 32.768 tokens de salida en páginas densas.
Lo bueno
- 94,74 en OmniDocBench v1.6, el mejor modelo de extremo a extremo en la tabla de Tencent
- 1,12B parámetros, con un contexto de 128K y resolución de entrada de 4K
- Análisis, localización de texto, extracción, análisis de gráficos y traducción en un solo modelo
- Modelo borrador DFlash incluido; 2,14 veces más rápido con vLLM
Lo malo
- La licencia excluye la UE, el Reino Unido y Corea del Sur
- Los servicios con más de 100 millones de usuarios mensuales necesitan permiso de Tencent
- Todas las cifras de benchmark y velocidad son propias
- Por detrás de la canalización en dos fases de PaddleOCR-VL-1.6 en OmniDocBench v1.6
Ideal para
Equipos fuera de Europa, el Reino Unido y Corea del Sur que quieren un solo modelo pequeño para análisis de documentos, localización de texto, extracción y traducción de imágenes.
Alternativas a HunyuanOCR 1.5
HunyuanOCR 1.5: preguntas frecuentes
- ¿Merece la pena HunyuanOCR 1.5?
- HunyuanOCR 1.5 es el modelo de OCR de extremo a extremo más fuerte en torno a 1B de parámetros según las cifras de Tencent, y legalmente vetado para cualquiera en Europa, el Reino Unido o Corea del Sur. Le damos un 4.1 sobre 5.
- ¿Cuánto cuesta HunyuanOCR 1.5?
- Gratuito con la Tencent Hunyuan Community License fuera de la UE, el Reino Unido y Corea del Sur; los servicios con más de 100 millones de usuarios mensuales necesitan una licencia de Tencent. No se publica precio de API alojada.
- ¿Qué inconvenientes tiene HunyuanOCR 1.5?
- La licencia excluye la UE, el Reino Unido y Corea del Sur; los servicios con más de 100 millones de usuarios mensuales necesitan permiso de Tencent; todas las cifras de benchmark y velocidad son propias; por detrás de la canalización en dos fases de PaddleOCR-VL-1.6 en OmniDocBench v1.6.
- ¿Para quién es HunyuanOCR 1.5?
- Equipos fuera de Europa, el Reino Unido y Corea del Sur que quieren un solo modelo pequeño para análisis de documentos, localización de texto, extracción y traducción de imágenes.
- ¿Cuánto cuesta HunyuanOCR 1.5 para un equipo o en producción?
- Tencent mide 0,706 páginas por segundo con DFlash y una petición, y 1,797 con ocho, en una H20; no se publica precio alojado, así que el coste es tu propio tiempo de GPU.
- ¿Es HunyuanOCR 1.5 seguro para los datos de la empresa?
- Tencent Hunyuan Community License: no es válida en la UE, el Reino Unido ni Corea del Sur, se aplica una política de uso aceptable y los servicios con más de 100 millones de usuarios activos mensuales deben pedir permiso a Tencent. Las ejecuciones autoalojadas mantienen los documentos en local.
- ¿Cuáles son las mejores alternativas a HunyuanOCR 1.5?
- Las alternativas más cercanas que hemos analizado son PaddleOCR-VL-1.6, MiniCPM-OCR 1.0, GLM-OCR, Qianfan-OCR y Unlimited-OCR 2.
Respuestas comprobadas el 2 nov 2026.
¿Desarrollas HunyuanOCR 1.5? Muestra esta nota en tu web
