¿Qué es OvisOCR2?
OvisOCR2 es un analizador de documentos de 800 millones de parámetros de ATH-MaaS, un equipo de Alibaba Group, publicado en julio de 2026 con licencia Apache 2.0 y un informe técnico del 15 de julio. Toma la imagen de una página y escribe la página entera en Markdown en orden de lectura, con las fórmulas en LaTeX, las tablas en HTML y las figuras como cuadros delimitadores etiquetados. No hay un modelo de maquetación aparte delante.
Es un Qwen3.5-0.8B con post-entrenamiento. El equipo entrenó con ajuste fino supervisado, aplicó aprendizaje por refuerzo a una rama mayor de 4B, destiló esa rama de vuelta en el modelo de 0,8B y después promedió varias variantes. Las etiquetas de documentos reales salieron de PaddleOCR-VL-1.5 y MinerU2.5-Pro, convertidas a un único formato Markdown.
El 21 de octubre de 2026 el mismo equipo publicó OvisOCR3, también de 0,8B y sobre la misma base, y la ficha de OvisOCR2 remite ahora a él como la versión más reciente.
¿Merece la pena OvisOCR2?
La cifra principal de OvisOCR2 se sostiene fuera del laboratorio de sus creadores, algo más raro de lo que debería en esta categoría. El equipo comunica 96,58 en OmniDocBench v1.6; la propia clasificación de OpenDataLab, que ejecuta los modelos por su cuenta, le da 96,47. Eso lo sitúa tercero en la clasificación, por detrás de OXR-1.0 con 97,03 y TeleOCR con 96,91, y justo por delante de PaddleOCR-VL-1.6 con 96,34 y GLM-OCR con 95,22, con menos parámetros que cualquiera de esos dos.
El argumento de diseño es que una sola pasada supera a un modelo de maquetación más un reconocedor. La prueba interna del informe con más de 1.000 páginas lo respalda: los analizadores por canalización se dejaron entre un 13 y un 17% de las tablas en el subconjunto de tablas complejas, frente al 7,96% de OvisOCR2, y su puntuación global de 85,54 superó los 82,88 de PaddleOCR-VL-1.6. Ese benchmark es de Alibaba y no está publicado, y el modelo aprendió de etiquetas de PaddleOCR-VL-1.5 y MinerU2.5-Pro, así que parte de la mejora son versiones más limpias de la salida de sus maestros.
Las herramientas son escasas. La ficha ofrece una sola receta de vLLM fijada a la versión 0.22.1 y nada para Transformers, SGLang u Ollama; no se publica ninguna cifra de rendimiento, API alojada ni guía de ajuste fino. El código de ejemplo incluye además una función para recortar texto repetido al final de las salidas largas, señal de que el modelo puede entrar en bucle con páginas densas, y la ficha pide revisar los resultados a mano en trabajos críticos.
El problema mayor es OvisOCR3. Mantiene la base Qwen3.5 de 0,8B y la licencia Apache 2.0, y su ficha comunica 96,74 en OmniDocBench v1.6, 82,31 en PureDocBench frente a los 75,10 de OvisOCR2, y 88,80 en MDPBench frente a 69,00, además de extracción de campos y tablas entre páginas. Son cifras propias y aún no están en la clasificación pública, pero un equipo que ya ejecuta OvisOCR2 con vLLM tiene pocos motivos para no probar este sucesor directo.
Nuestra opinión: OvisOCR2 es el más seguro de los dos durante los próximos meses solo porque su puntuación la ha comprobado otro; cuando OvisOCR3 aparezca en la clasificación de OpenDataLab, OvisOCR2 pasará a ser un punto de referencia y no una opción.
Dónde se gana su sitio
Un ingeniero de ML en una fintech que construye un índice RAG sobre informes anuales escaneados
Convertir a Markdown páginas de informes con tablas densas sin un paso de detección de maquetación
Sirve el modelo con la receta de vLLM de la ficha, renderiza cada página con lados de entre 448 y 2.880 píxeles y conserva las tablas HTML para dividir en fragmentos. La prueba de Alibaba muestra menos tablas perdidas que los analizadores por canalización, lo que más importa en los estados financieros.
Un equipo de plataforma en una biblioteca universitaria con una sola GPU de gama media
Digitalizar artículos con fórmulas en gran volumen con el hardware que ya tienen
Con unos 1,7 GB en BF16, el modelo cabe en una tarjeta junto a otros servicios. Las fórmulas vuelven en LaTeX; reserva tiempo para medir tú mismo las páginas por hora, porque no se publica ninguna cifra de rendimiento.
Antes de decidirte
- Puesta en marcha
- pip install vllm==0.22.1 y pillow, y después carga ATH-MaaS/OvisOCR2 con el prompt de análisis fijo de la ficha; hay que desactivar el razonamiento en la plantilla de chat.
- Integraciones
- Solo vLLM en las instrucciones oficiales; hay conversiones GGUF de la comunidad en Hugging Face. La salida es Markdown con tablas HTML, fórmulas LaTeX y etiquetas de imagen con coordenadas escaladas de 0 a 1.000.
- Datos y privacidad
- Apache 2.0 para uso comercial y ajuste fino. Solo autoalojado, así que los documentos se quedan en tu hardware; la demo de Hugging Face no debería ver páginas confidenciales.
- Coste a escala
- Los pesos son gratuitos y ocupan unos 1,7 GB en BF16, así que basta una GPU de consumo o de centro de datos para servirlo. No se publica cifra de páginas por segundo, así que planificar la capacidad exige tu propia medición.
- Límites
- Una página por llamada, salida limitada a 16.384 tokens en el ejemplo; hay que recortar las repeticiones en páginas largas; la ficha pide revisiones manuales en aplicaciones críticas.
Lo bueno
- 96,47 en OmniDocBench v1.6, medido de forma independiente por OpenDataLab
- Unos 0,85B de parámetros, aproximadamente 1,7 GB en BF16
- Una pasada por página; sin modelo de maquetación aparte que desplegar
- Apache 2.0, con versiones GGUF de la comunidad
Lo malo
- Sustituido por OvisOCR3 en menos de tres meses
- Solo una receta de vLLM; sin API alojada ni cifras de rendimiento
- El código de ejemplo tiene que recortar bucles de repetición en salidas largas
- El benchmark interno y los resultados con escritura a mano son datos no publicados
Ideal para
Equipos que quieren un analizador de páginas pequeño de una sola pasada cuya precisión se haya confirmado en la clasificación pública de OmniDocBench.
Alternativas a OvisOCR2
OvisOCR2: preguntas frecuentes
- ¿Merece la pena OvisOCR2?
- OvisOCR2 demostró que un modelo de extremo a extremo de 0,8B puede igualar a los mejores analizadores por canalización, y tres meses después su propio sucesor lo convirtió en la segunda opción. Le damos un 4.1 sobre 5.
- ¿Cuánto cuesta OvisOCR2?
- Gratuito con licencia Apache 2.0. Sin API alojada; hay una demo gratuita en Hugging Face Spaces.
- ¿Qué inconvenientes tiene OvisOCR2?
- Sustituido por OvisOCR3 en menos de tres meses; solo una receta de vLLM; sin API alojada ni cifras de rendimiento; el código de ejemplo tiene que recortar bucles de repetición en salidas largas; el benchmark interno y los resultados con escritura a mano son datos no publicados.
- ¿Para quién es OvisOCR2?
- Equipos que quieren un analizador de páginas pequeño de una sola pasada cuya precisión se haya confirmado en la clasificación pública de OmniDocBench.
- ¿Cuánto cuesta OvisOCR2 para un equipo o en producción?
- Los pesos son gratuitos y ocupan unos 1,7 GB en BF16, así que basta una GPU de consumo o de centro de datos para servirlo. No se publica cifra de páginas por segundo, así que planificar la capacidad exige tu propia medición.
- ¿Es OvisOCR2 seguro para los datos de la empresa?
- Apache 2.0 para uso comercial y ajuste fino. Solo autoalojado, así que los documentos se quedan en tu hardware; la demo de Hugging Face no debería ver páginas confidenciales.
- ¿Cuáles son las mejores alternativas a OvisOCR2?
- Las alternativas más cercanas que hemos analizado son PaddleOCR-VL-1.6, GLM-OCR, Xiaomi-OCR-0 y MiniCPM-OCR 1.0.
Respuestas comprobadas el 2 nov 2026.
¿Desarrollas OvisOCR2? Muestra esta nota en tu web
