¿Qué es Infinity-Parser2-Flash?
Infinity-Parser2-Flash es el menor de dos analizadores de documentos de INF Technology, una empresa de IA de Shanghái que publica en Hugging Face como infly. Ambos se publicaron el 11 de mayo de 2026 con licencia Apache 2.0, con un informe técnico en arXiv. Flash es un ajuste fino de Qwen3.5-2B, con 2.210 millones de parámetros; su hermano Infinity-Parser2-Pro se basa en Qwen3.5-35B-A3B, un modelo de mezcla de expertos de 35.000 millones de parámetros que activa unos 3.000 millones por token.
Un solo modelo devuelve una página como JSON con un cuadro delimitador, una categoría y el texto de cada elemento, o como Markdown, y además analiza gráficos a tablas, estructuras químicas y preguntas sobre documentos. INF lo entrenó con ajuste fino supervisado y después con aprendizaje por refuerzo en todas estas tareas a la vez.
INF publicó también Infinity-Doc2-5M, el conjunto de entrenamiento de casi 5 millones de muestras de documentos sintéticos y reales. Flash sumó 15.305 descargas en Hugging Face en el último mes; Pro, que en la configuración de INF necesita dos GPU, sumó 2.334.
¿Merece la pena Infinity-Parser2-Flash?
Infinity-Parser2-Flash es un modelo versátil y competente cuyas mejores cifras pertenecen a su hermano mayor. INF comunica 86,0 en olmOCR-Bench y 72,2 en ParseBench para Flash, frente a 87,6 y 74,3 del Pro de 35B, y ambos muy por encima de los 78,5 y 66,0 que midió para PaddleOCR-VL-1.5. En OmniDocBench v1.6, en cambio, Flash obtiene 91,98 en la tabla de INF, por debajo de ese mismo PaddleOCR-VL-1.5 con 94,87 y lejos de los 96,47 que OpenDataLab recoge para OvisOCR2. Ninguno de los dos modelos Infinity aparece en la clasificación de OpenDataLab, e INF indica que varias puntuaciones de rivales se obtuvieron con sus propias herramientas.
Las comparaciones externas por ahora solo cubren Pro. Los benchmarks de LightOn de octubre sitúan a Infinity-Parser2-Pro primero en olmOCR-Bench con 87,6, igual que la cifra de INF, pero segundo en ParseBench con 74,3, por detrás de los 75,1 de LightOnOCR-3-4B, y quinto de nueve en la prueba de documentos en francés de LightOn con 63,2. Son tablas de un rival con su propia normalización, pero son la única mirada externa a la familia hasta ahora.
La afirmación de velocidad hay que leerla con atención. La cifra principal de 1.624 tokens por segundo, 3,68 veces la del anterior Infinity-Parser-7B, se midió en dos H100 con ocho peticiones en curso, lo que equivale a 0,95 segundos por página. En una H100 con una sola petición, la configuración que INF usó para sus rivales, Flash tarda 6,06 segundos por página, frente a 2,48 de PaddleOCR-VL-1.5 y 2,35 de DeepSeek-OCR-2. Su salida en JSON, de unos 1.500 tokens por página, es parte del motivo.
La propia sección de limitaciones de INF es franca: el inglés y el chino son los idiomas principales y los demás empeoran, las tablas giradas y los gráficos complejos pierden precisión, la negrita y la cursiva no se capturan y el modelo sigue mal las instrucciones de varios pasos. Pro supera a Flash en todos los benchmarks que enumera INF salvo la maquetación en DocLayNet, pero con 35.100 millones de parámetros es otra compra.
Nuestra opinión: Flash tiene sentido cuando un solo modelo tiene que cubrir páginas, gráficos y estructuras químicas, como en archivos farmacéuticos o de investigación. Para convertir documentos empresariales corrientes a Markdown, cuesta más tiempo de GPU por página que analizadores con mejores puntuaciones.
Dónde se gana su sitio
Un equipo de quimioinformática en una farmacéutica que digitaliza patentes e informes de laboratorio
Convertir dibujos de estructuras químicas y tablas de datos en texto legible por máquina
Ejecuta el paquete infinity_parser2 sobre directorios de PDF con un backend vLLM. INF comunica 63,34 en análisis químico de CoSyn para Flash y 73,19 para Pro; revisa una muestra, porque la ventaja de Pro en esta tarea es amplia.
Una ingeniera de datos en una gestora de activos que analiza informes trimestrales
Extraer datos de gráficos y tablas a JSON con posiciones para revisarlos después
Usa la tarea doc2json para obtener cada elemento con su cuadro, y después lleva las tablas y las tablas de los gráficos a una base de datos. Procesa ocho páginas a la vez en dos GPU para acercarte a los 0,95 segundos por página de INF.
Antes de decidirte
- Puesta en marcha
- Instala torch 2.10.0, flash-attn 2.8.3 (de 10 a 30 minutos para compilarlo desde el código fuente) y vllm 0.17.1, después pip install infinity_parser2 y ejecuta el comando del analizador sobre un archivo o un directorio entero; los pesos se descargan en la primera ejecución.
- Integraciones
- API de Python y CLI con backends de motor vLLM, servidor vLLM y Transformers; tareas doc2json, doc2md y de prompt personalizado; conversiones GGUF, AWQ y MLX de la comunidad en Hugging Face.
- Datos y privacidad
- Apache 2.0 para los pesos; el conjunto de datos Infinity-Doc2-5M es público. Solo autoalojado, así que los documentos se quedan en tu hardware.
- Coste a escala
- El checkpoint en BF16 ocupa unos 4,4 GB. Las cifras de INF son 0,95 segundos por página en dos H100 con concurrencia 8, unas 3.800 páginas por hora para el par, y 6,06 segundos por página con una sola petición.
- Límites
- Sobre todo inglés y chino; las tablas giradas, los gráficos complejos y los estilos de texto son puntos débiles; poco fiable con instrucciones complejas de varios pasos, según INF.
Lo bueno
- 86,0 en olmOCR-Bench y 72,2 en ParseBench (cifras propias)
- Gráficos, estructuras químicas y preguntas sobre documentos en un solo modelo de 2,2B
- Salida JSON con cuadros y categorías por elemento
- Apache 2.0, con el conjunto de entrenamiento de 5 millones de muestras publicado
Lo malo
- 91,98 en OmniDocBench v1.6 según INF; no está en la clasificación pública
- 6,06 segundos por página en una H100 sin lotes
- En la práctica, solo inglés y chino
- Sin API propia; instalación pesada con versiones fijas de torch, vLLM y FlashAttention
Ideal para
Equipos de investigación y documentación técnica que quieren análisis de páginas, extracción de gráficos y reconocimiento de estructuras químicas con un solo modelo pequeño autoalojado.
Alternativas a Infinity-Parser2-Flash
Infinity-Parser2-Flash: preguntas frecuentes
- ¿Merece la pena Infinity-Parser2-Flash?
- Infinity-Parser2-Flash hace más tipos de trabajo documental que la mayoría de los modelos de 2B, pero en el análisis de páginas corrientes queda por detrás de analizadores más pequeños y necesita lotes para ser rápido. Le damos un 3.8 sobre 5.
- ¿Cuánto cuesta Infinity-Parser2-Flash?
- Gratuito con licencia Apache 2.0. Sin API alojada propia; hay una demo gratuita en Hugging Face Spaces.
- ¿Qué inconvenientes tiene Infinity-Parser2-Flash?
- 91,98 en OmniDocBench v1.6 según INF; no está en la clasificación pública; 6,06 segundos por página en una H100 sin lotes; en la práctica, solo inglés y chino; sin API propia; instalación pesada con versiones fijas de torch, vLLM y FlashAttention.
- ¿Para quién es Infinity-Parser2-Flash?
- Equipos de investigación y documentación técnica que quieren análisis de páginas, extracción de gráficos y reconocimiento de estructuras químicas con un solo modelo pequeño autoalojado.
- ¿Cuánto cuesta Infinity-Parser2-Flash para un equipo o en producción?
- El checkpoint en BF16 ocupa unos 4,4 GB. Las cifras de INF son 0,95 segundos por página en dos H100 con concurrencia 8, unas 3.800 páginas por hora para el par, y 6,06 segundos por página con una sola petición.
- ¿Es Infinity-Parser2-Flash seguro para los datos de la empresa?
- Apache 2.0 para los pesos; el conjunto de datos Infinity-Doc2-5M es público. Solo autoalojado, así que los documentos se quedan en tu hardware.
- ¿Cuáles son las mejores alternativas a Infinity-Parser2-Flash?
- Las alternativas más cercanas que hemos analizado son LightOnOCR-3-4B, PaddleOCR-VL-1.6, Chandra OCR 2 y Qianfan-OCR.
Respuestas comprobadas el 2 nov 2026.