Qu’est-ce que HunyuanOCR 1.5 ?
HunyuanOCR 1.5 est un modèle vision-langage d'OCR de 1,12 milliard de paramètres de l'équipe Hunyuan de Tencent, sorti le 7 juillet 2026 avec un rapport technique sur arXiv. Il conserve l'architecture de HunyuanOCR 1.0, un encodeur visuel qui alimente un modèle de langage Hunyuan-0.5B, et change l'entraînement : images jusqu'à une résolution 4K, contexte de 128K tokens, et données construites par un pipeline piloté par agents qui cible les écritures anciennes, les langues peu dotées et les questions portant sur plusieurs images.
Un seul modèle gère l'analyse de documents en Markdown avec tableaux HTML et formules LaTeX, le repérage de texte avec coordonnées, l'extraction de champs, l'analyse de graphiques et la traduction du texte contenu dans les images. Un modèle de brouillon DFlash, fourni dans le même dépôt, propose plusieurs tokens à la fois que le modèle principal vérifie, ce qui accélère les longues sorties sans les modifier.
Les poids sont sous la Tencent Hunyuan Community License. Elle ne s'applique pas dans l'Union européenne, au Royaume-Uni ni en Corée du Sud, et les services de plus de 100 millions d'utilisateurs actifs mensuels ont besoin d'une licence distincte de Tencent.
HunyuanOCR 1.5 vaut-il le coup ?
L'attrait de HunyuanOCR 1.5 est l'étendue de ses capacités pour une petite taille. Dans le rapport de Tencent, il obtient 94,74 sur OmniDocBench v1.6, le meilleur chiffre parmi les modèles d'OCR de bout en bout de son tableau, devant Unlimited-OCR à 93,92, Qianfan-OCR à 93,90 et FireRed-OCR à 93,26. Ce tableau exclut les pipelines en deux étapes ; PaddleOCR-VL-1.6 annonce 96,33 sur le même benchmark, et le tableau comparatif de Jina indique les deux à 94,74 et 96,34. Il conserve aussi les compétences générales de HunyuanOCR 1.0, avec 861 sur OCRBench contre 860 auparavant.
L'argument de vitesse est plus étroit que ne le laisse entendre le résumé. DFlash donne 2,14 fois la vitesse de décodage simple sous vLLM et 6,37 fois sous Transformers, qui part d'un lent 0,029 page par seconde. Dans le test à requête unique de Tencent sur un H20, 0,706 page par seconde le place devant GLM-OCR à 0,604 et PaddleOCR-VL-1.6 à 0,562, mais à huit requêtes simultanées il n'atteint que 1,797, un chiffre modeste à côté des débits par lots que publient d'autres équipes, même si ces essais utilisaient un matériel différent.
Tous les chiffres de précision et de vitesse sont ceux de Tencent. Le modèle ne figure pas encore sur le classement indépendant BHL OCR, et le CHAOS-Bench de Tencent, un test d'hallucination introduit avec cette version, est un benchmark où il arrive naturellement en tête.
La licence est le facteur décisif pour beaucoup de lecteurs. La Tencent Hunyuan Community License exclut purement et simplement l'Union européenne, le Royaume-Uni et la Corée du Sud, y compris l'usage des résultats du modèle dans ces territoires, si bien qu'une entreprise européenne ne peut pas du tout le déployer. Pour les équipes ailleurs, c'est l'un des rares modèles de moins de 2B qui fait aussi le repérage de texte, l'extraction de champs et la traduction d'images, ce que PaddleOCR-VL-1.6 et MiniCPM-OCR 1.0 ne couvrent pas dans un seul modèle.
Là où il fait la différence
Une équipe de localisation chez un éditeur de jeux vidéo à Singapour
Traduire le texte contenu dans des captures d'écran et des visuels marketing
Servez le modèle sous vLLM et utilisez les types de tâche trans_other2en ou doc_trans_en2zh pour renvoyer directement le texte traduit. Singapour fait partie du territoire de la licence ; un bureau londonien de la même entreprise, non.
Un ingénieur du back-office chez un assureur chinois
Extraire des champs de cartes et de reçus en données structurées
Utilisez les prompts structured_parse ou d'extraction d'informations sur un GPU avec le brouillon DFlash activé. Tencent annonce 92,40 sur les cartes et 92,55 sur les reçus dans ses tests d'extraction, contre 80,59 et 80,66 pour Gemini 2.5 Pro.
Un développeur dans une start-up de recherche américaine qui travaille sur des ordinateurs portables
Analyser des articles et des graphiques hors ligne sans GPU de serveur
Convertissez le checkpoint en GGUF et lancez llama-server, ou le fork de llama.cpp adapté à DFlash, sur un portable. Les poids pèsent environ 2,2 GB en BF16, et la licence ne coûte rien sous 100 millions d'utilisateurs mensuels.
Avant de vous engager
- Mise en route
- Créez un environnement uv avec vLLM 0.25.1+ et flash-attn 2.8.3 (CUDA 13), téléchargez tencent/HunyuanOCR en excluant la v1.0, puis lancez serve.sh ou serve_DFlash.sh depuis le dépôt GitHub.
- Intégrations
- Classe native de Transformers 5.13+ ; serveur vLLM compatible OpenAI avec scripts de traitement par lots ; llama.cpp via conversion en GGUF ; pile d'apprentissage par renforcement basée sur verl et code SFT sur GitHub.
- Données et confidentialité
- Tencent Hunyuan Community License : non valable dans l'UE, au Royaume-Uni ni en Corée du Sud, une politique d'usage acceptable s'applique, et les services de plus de 100 millions d'utilisateurs actifs mensuels doivent demander l'accord de Tencent. En auto-hébergement, les documents restent en local.
- Coût à grande échelle
- Tencent mesure 0,706 page par seconde avec DFlash à une requête et 1,797 à huit sur un H20 ; aucun prix hébergé n'est publié, le coût est donc votre propre temps GPU.
- Limites
- L'environnement unifié exige CUDA 13 ; la voie Transformers est bien plus lente que vLLM ; l'anglais et le chinois sont les principales langues documentées ; le client fourni autorise jusqu'à 32 768 tokens de sortie sur les pages denses.
Les points forts
- 94,74 sur OmniDocBench v1.6, meilleur modèle de bout en bout du tableau de Tencent
- 1,12B de paramètres, avec un contexte de 128K et une résolution d'entrée 4K
- Analyse, repérage, extraction, analyse de graphiques et traduction dans un seul modèle
- Modèle de brouillon DFlash inclus ; 2,14 fois plus rapide sous vLLM
Les points faibles
- La licence exclut l'UE, le Royaume-Uni et la Corée du Sud
- Les services de plus de 100 millions d'utilisateurs mensuels ont besoin de l'autorisation de Tencent
- Tous les chiffres de benchmark et de vitesse sont autodéclarés
- Derrière le pipeline en deux étapes de PaddleOCR-VL-1.6 sur OmniDocBench v1.6
Idéal pour
Les équipes hors d'Europe, du Royaume-Uni et de Corée du Sud qui veulent un seul petit modèle pour l'analyse de documents, le repérage de texte, l'extraction et la traduction d'images.
Alternatives à HunyuanOCR 1.5
HunyuanOCR 1.5 : questions fréquentes
- HunyuanOCR 1.5 vaut-il le coup ?
- HunyuanOCR 1.5 est le modèle d'OCR de bout en bout le plus solide autour de 1B de paramètres selon les propres chiffres de Tencent, et juridiquement interdit à quiconque en Europe, au Royaume-Uni ou en Corée du Sud. Nous lui donnons 4.1 sur 5.
- Combien coûte HunyuanOCR 1.5 ?
- Gratuit sous la Tencent Hunyuan Community License hors UE, Royaume-Uni et Corée du Sud ; les services de plus de 100 millions d'utilisateurs mensuels ont besoin d'une licence de Tencent. Aucun prix d'API hébergée publié.
- Quels sont les inconvénients de HunyuanOCR 1.5 ?
- La licence exclut l'UE, le Royaume-Uni et la Corée du Sud; les services de plus de 100 millions d'utilisateurs mensuels ont besoin de l'autorisation de Tencent; tous les chiffres de benchmark et de vitesse sont autodéclarés; derrière le pipeline en deux étapes de PaddleOCR-VL-1.6 sur OmniDocBench v1.6.
- À qui s’adresse HunyuanOCR 1.5 ?
- Les équipes hors d'Europe, du Royaume-Uni et de Corée du Sud qui veulent un seul petit modèle pour l'analyse de documents, le repérage de texte, l'extraction et la traduction d'images.
- Combien coûte HunyuanOCR 1.5 pour une équipe ou en production ?
- Tencent mesure 0,706 page par seconde avec DFlash à une requête et 1,797 à huit sur un H20 ; aucun prix hébergé n'est publié, le coût est donc votre propre temps GPU.
- HunyuanOCR 1.5 est-il sûr pour les données de l’entreprise ?
- Tencent Hunyuan Community License : non valable dans l'UE, au Royaume-Uni ni en Corée du Sud, une politique d'usage acceptable s'applique, et les services de plus de 100 millions d'utilisateurs actifs mensuels doivent demander l'accord de Tencent. En auto-hébergement, les documents restent en local.
- Quelles sont les meilleures alternatives à HunyuanOCR 1.5 ?
- Les alternatives les plus proches que nous avons testées sont PaddleOCR-VL-1.6, MiniCPM-OCR 1.0, GLM-OCR, Qianfan-OCR et Unlimited-OCR 2.
Réponses vérifiées le 2 nov. 2026.
Vous éditez HunyuanOCR 1.5 ? Affichez cette note sur votre site
