Qu’est-ce que Infinity-Parser2-Flash ?
Infinity-Parser2-Flash est le plus petit des deux parseurs de documents d'INF Technology, une entreprise d'IA de Shanghai qui publie sur Hugging Face sous le nom infly. Les deux sont sortis le 11 mai 2026 sous Apache 2.0, avec un rapport technique sur arXiv. Flash est un Qwen3.5-2B affiné, de 2,21 milliards de paramètres ; son grand frère Infinity-Parser2-Pro repose sur Qwen3.5-35B-A3B, un modèle mixture-of-experts de 35 milliards de paramètres qui en active environ 3 milliards par token.
Un seul modèle renvoie une page en JSON avec une boîte englobante, une catégorie et le texte de chaque élément, ou en Markdown, et analyse aussi les graphiques en tableaux, les structures chimiques et les questions sur les documents. INF l'a entraîné par fine-tuning supervisé puis par apprentissage par renforcement sur toutes ces tâches à la fois.
INF a aussi publié Infinity-Doc2-5M, le jeu d'entraînement de près de 5 millions d'exemples de documents synthétiques et réels. Flash a été téléchargé 15 305 fois le mois dernier sur Hugging Face ; Pro, qui demande deux GPU dans la configuration d'INF, 2 334 fois.
Infinity-Parser2-Flash vaut-il le coup ?
Infinity-Parser2-Flash est un généraliste compétent dont les meilleurs chiffres appartiennent à son grand frère. INF annonce 86,0 sur olmOCR-Bench et 72,2 sur ParseBench pour Flash, contre 87,6 et 74,3 pour le Pro de 35B, tous deux bien au-dessus des 78,5 et 66,0 qu'il a mesurés pour PaddleOCR-VL-1.5. Sur OmniDocBench v1.6, en revanche, Flash obtient 91,98 dans le tableau d'INF, sous ce même PaddleOCR-VL-1.5 à 94,87 et loin des 96,47 qu'OpenDataLab indique pour OvisOCR2. Aucun modèle Infinity ne figure dans le classement d'OpenDataLab, et INF signale que plusieurs scores de concurrents ont été obtenus avec ses propres outils.
Les comparaisons externes ne couvrent pour l'instant que Pro. Les benchmarks d'octobre de LightOn placent Infinity-Parser2-Pro premier sur olmOCR-Bench à 87,6, conformément au chiffre d'INF, mais deuxième sur ParseBench à 74,3 derrière les 75,1 de LightOnOCR-3-4B, et cinquième sur neuf au test de documents français de LightOn avec 63,2. Ce sont les tableaux d'un concurrent avec sa propre normalisation, mais c'est le seul regard extérieur sur la famille à ce jour.
L'argument de vitesse demande une lecture attentive. Le chiffre mis en avant de 1 624 tokens par seconde, 3,68 fois l'ancien Infinity-Parser-7B, a été mesuré sur deux H100 avec huit requêtes en parallèle, soit 0,95 seconde par page. Sur un H100 à une seule requête, le réglage utilisé par INF pour ses concurrents, Flash met 6,06 secondes par page, contre 2,48 pour PaddleOCR-VL-1.5 et 2,35 pour DeepSeek-OCR-2. Sa sortie JSON, environ 1 500 tokens par page, en est une des raisons.
La section des limites d'INF est franche : l'anglais et le chinois sont les langues principales et les autres se dégradent, les tableaux pivotés et les graphiques complexes perdent en précision, le gras et l'italique ne sont pas capturés, et le modèle suit mal les instructions en plusieurs étapes. Pro bat Flash sur tous les benchmarks listés par INF sauf la mise en page DocLayNet, mais avec 35,1 milliards de paramètres, c'est un autre achat.
Notre avis : Flash a du sens quand un seul modèle doit couvrir les pages, les graphiques et les structures chimiques, par exemple dans des archives pharmaceutiques ou de recherche. Pour convertir des documents professionnels ordinaires en Markdown, il coûte plus de temps GPU par page que des parseurs mieux notés.
Là où il fait la différence
Une équipe de chémoinformatique dans un laboratoire pharmaceutique qui numérise des brevets et des rapports de laboratoire
Transformer des dessins de structures chimiques et des tableaux de données en texte lisible par machine
Lancez le paquet infinity_parser2 sur des répertoires de PDF avec un backend vLLM. INF annonce 63,34 en analyse chimique CoSyn pour Flash et 73,19 pour Pro ; vérifiez un échantillon, car l'avance de Pro sur cette tâche est large.
Un data engineer chez un gérant d'actifs qui analyse des rapports trimestriels
Extraire les données des graphiques et les tableaux en JSON avec leurs positions pour une revue ultérieure
Utilisez la tâche doc2json pour obtenir chaque élément avec sa boîte, puis versez les tableaux et les tableaux de graphiques dans une base de données. Traitez huit pages à la fois sur deux GPU pour approcher les 0,95 seconde par page d'INF.
Avant de vous engager
- Mise en route
- Installez torch 2.10.0, flash-attn 2.8.3 (10 à 30 minutes de compilation depuis les sources) et vllm 0.17.1, puis pip install infinity_parser2 et lancez la commande parser sur un fichier ou un répertoire entier ; les poids se téléchargent au premier lancement.
- Intégrations
- API Python et CLI avec les backends moteur vLLM, serveur vLLM et Transformers ; tâches doc2json, doc2md et prompt personnalisé ; conversions communautaires GGUF, AWQ et MLX sur Hugging Face.
- Données et confidentialité
- Apache 2.0 pour les poids ; le jeu de données Infinity-Doc2-5M est public. Auto-hébergement uniquement, donc les documents restent sur votre matériel.
- Coût à grande échelle
- Le checkpoint BF16 pèse environ 4,4 GB. Les chiffres d'INF sont de 0,95 seconde par page sur deux H100 avec une concurrence de 8, soit environ 3 800 pages par heure pour la paire, et de 6,06 secondes par page sur un seul flux.
- Limites
- Principalement anglais et chinois ; les tableaux pivotés, les graphiques complexes et la mise en forme du texte sont des points faibles ; peu fiable sur les instructions complexes en plusieurs étapes, selon INF.
Les points forts
- 86,0 sur olmOCR-Bench et 72,2 sur ParseBench (autodéclarés)
- Graphiques, structures chimiques et questions sur les documents dans un seul modèle de 2,2B
- Sortie JSON avec boîtes et catégories par élément
- Apache 2.0, avec publication du jeu d'entraînement de 5 millions d'exemples
Les points faibles
- 91,98 sur OmniDocBench v1.6 selon INF ; absent du classement public
- 6,06 secondes par page sur un H100 sans traitement par lots
- Anglais et chinois uniquement en pratique
- Pas d'API de l'éditeur ; installation lourde avec versions figées de torch, vLLM et FlashAttention
Idéal pour
Les équipes de recherche et de documentation technique qui veulent l'analyse de pages, l'extraction de graphiques et la reconnaissance de structures chimiques avec un seul petit modèle auto-hébergé.
Alternatives à Infinity-Parser2-Flash
Infinity-Parser2-Flash : questions fréquentes
- Infinity-Parser2-Flash vaut-il le coup ?
- Infinity-Parser2-Flash couvre plus de types de travail documentaire que la plupart des modèles 2B, mais en simple analyse de pages il reste derrière des parseurs plus petits et a besoin du traitement par lots pour être rapide. Nous lui donnons 3.8 sur 5.
- Combien coûte Infinity-Parser2-Flash ?
- Gratuit sous Apache 2.0. Pas d'API hébergée par l'éditeur ; une démo gratuite tourne sur Hugging Face Spaces.
- Quels sont les inconvénients de Infinity-Parser2-Flash ?
- 91,98 sur OmniDocBench v1.6 selon INF ; absent du classement public; 6,06 secondes par page sur un H100 sans traitement par lots; anglais et chinois uniquement en pratique; pas d'API de l'éditeur ; installation lourde avec versions figées de torch, vLLM et FlashAttention.
- À qui s’adresse Infinity-Parser2-Flash ?
- Les équipes de recherche et de documentation technique qui veulent l'analyse de pages, l'extraction de graphiques et la reconnaissance de structures chimiques avec un seul petit modèle auto-hébergé.
- Combien coûte Infinity-Parser2-Flash pour une équipe ou en production ?
- Le checkpoint BF16 pèse environ 4,4 GB. Les chiffres d'INF sont de 0,95 seconde par page sur deux H100 avec une concurrence de 8, soit environ 3 800 pages par heure pour la paire, et de 6,06 secondes par page sur un seul flux.
- Infinity-Parser2-Flash est-il sûr pour les données de l’entreprise ?
- Apache 2.0 pour les poids ; le jeu de données Infinity-Doc2-5M est public. Auto-hébergement uniquement, donc les documents restent sur votre matériel.
- Quelles sont les meilleures alternatives à Infinity-Parser2-Flash ?
- Les alternatives les plus proches que nous avons testées sont LightOnOCR-3-4B, PaddleOCR-VL-1.6, Chandra OCR 2 et Qianfan-OCR.
Réponses vérifiées le 2 nov. 2026.