Qu’est-ce que OvisOCR2 ?
OvisOCR2 est un parseur de documents de 0,8 milliard de paramètres d'ATH-MaaS, une équipe du groupe Alibaba, sorti en juillet 2026 sous Apache 2.0 avec un rapport technique le 15 juillet. Il prend l'image d'une page et écrit la page entière en Markdown dans l'ordre de lecture, avec les formules en LaTeX, les tableaux en HTML et les figures sous forme de boîtes englobantes balisées. Aucun modèle de mise en page séparé ne le précède.
C'est un Qwen3.5-0.8B post-entraîné. L'équipe l'a entraîné par fine-tuning supervisé, a mené l'apprentissage par renforcement sur une branche plus grande de 4B, a distillé cette branche dans le modèle de 0,8B puis a moyenné plusieurs variantes. Les étiquettes des documents réels viennent de PaddleOCR-VL-1.5 et MinerU2.5-Pro, converties dans un seul format Markdown.
Le 21 octobre 2026, la même équipe a publié OvisOCR3, lui aussi de 0,8B sur la même base, et la fiche d'OvisOCR2 renvoie désormais vers lui comme version plus récente.
OvisOCR2 vaut-il le coup ?
Le score mis en avant par OvisOCR2 tient hors du laboratoire de ses créateurs, ce qui est plus rare qu'il ne le faudrait dans cette catégorie. L'équipe annonce 96,58 sur OmniDocBench v1.6 ; le classement d'OpenDataLab, qui fait tourner les modèles lui-même, indique 96,47. Cela le place troisième du classement derrière OXR-1.0 à 97,03 et TeleOCR à 96,91, juste devant PaddleOCR-VL-1.6 à 96,34 et GLM-OCR à 95,22, avec moins de paramètres que l'un et l'autre.
L'argument de conception est qu'un seul passage vaut mieux qu'un modèle de mise en page suivi d'un reconnaisseur. Le test interne du rapport sur plus de 1 000 pages va dans ce sens : les parseurs en pipeline ont manqué de 13 à 17 % des tableaux sur le sous-ensemble de tableaux complexes, contre 7,96 % pour OvisOCR2, et son score global de 85,54 a battu les 82,88 de PaddleOCR-VL-1.6. Ce benchmark est celui d'Alibaba et n'est pas publié, et le modèle a appris à partir d'étiquettes de PaddleOCR-VL-1.5 et MinerU2.5-Pro, si bien qu'une partie du gain consiste en des versions plus propres de la sortie de ses enseignants.
L'outillage est maigre. La fiche propose une seule recette vLLM figée sur la version 0.22.1 et rien pour Transformers, SGLang ou Ollama ; aucun chiffre de débit, aucune API hébergée ni aucun guide de fine-tuning n'est publié. Le code d'exemple fournit aussi une fonction qui coupe le texte répété à la fin des longues sorties, signe que le modèle peut boucler sur les pages denses, et la fiche demande de vérifier les résultats à la main pour les travaux critiques.
Le plus gros problème s'appelle OvisOCR3. Il conserve la base Qwen3.5 de 0,8B et la licence Apache 2.0, et sa fiche annonce 96,74 sur OmniDocBench v1.6, 82,31 sur PureDocBench contre 75,10 pour OvisOCR2, et 88,80 sur MDPBench contre 69,00, avec en plus l'extraction de champs et les tableaux sur plusieurs pages. Ces chiffres sont autodéclarés et pas encore au classement public, mais une équipe qui fait déjà tourner OvisOCR2 sous vLLM n'a guère de raison de ne pas tester ce successeur qui le remplace directement.
Notre avis : OvisOCR2 est le plus sûr des deux pour les prochains mois uniquement parce que son score a été vérifié par quelqu'un d'autre ; dès qu'OvisOCR3 apparaîtra au classement d'OpenDataLab, OvisOCR2 deviendra un point de référence plutôt qu'un choix.
Là où il fait la différence
Un ingénieur ML dans une fintech qui construit un index RAG sur des rapports annuels numérisés
Transformer en Markdown des pages de rapports aux tableaux denses sans étape de détection de mise en page
Servez le modèle avec la recette vLLM de la fiche, rendez chaque page entre 448 et 2 880 pixels de côté, et gardez les tableaux HTML pour le découpage. Le propre test d'Alibaba montre moins de tableaux manqués que les parseurs en pipeline, ce qui compte surtout pour les états financiers.
Une équipe plateforme dans une bibliothèque universitaire avec un seul GPU de milieu de gamme
Numériser en volume des articles avec formules sur le matériel déjà disponible
Avec environ 1,7 GB en BF16, le modèle tient à côté d'autres services sur une seule carte. Les formules reviennent en LaTeX ; prévoyez du temps pour mesurer vous-même le nombre de pages par heure, puisqu'aucun chiffre de débit n'est publié.
Avant de vous engager
- Mise en route
- pip install vllm==0.22.1 et pillow, puis chargez ATH-MaaS/OvisOCR2 avec le prompt d'analyse fixe de la fiche ; le thinking doit être désactivé dans le modèle de chat.
- Intégrations
- Uniquement vLLM dans les instructions officielles ; des conversions GGUF communautaires existent sur Hugging Face. La sortie est du Markdown avec tableaux HTML, formules LaTeX et balises d'image dont les coordonnées sont ramenées à une échelle de 0 à 1 000.
- Données et confidentialité
- Apache 2.0 pour l'usage commercial et le fine-tuning. Auto-hébergement uniquement, donc les documents restent sur votre matériel ; la démo Hugging Face ne devrait pas voir de pages confidentielles.
- Coût à grande échelle
- Les poids sont gratuits et pèsent environ 1,7 GB en BF16, si bien qu'un seul GPU grand public ou de centre de données suffit à le servir. Aucun chiffre de pages par seconde n'est publié, la planification de capacité demande donc votre propre mesure.
- Limites
- Une page par appel, sortie plafonnée à 16 384 tokens dans l'exemple ; la répétition sur les longues pages doit être coupée ; la fiche demande des vérifications manuelles dans les applications critiques.
Les points forts
- 96,47 sur OmniDocBench v1.6, mesuré de manière indépendante par OpenDataLab
- Environ 0,85B de paramètres, à peu près 1,7 GB en BF16
- Un seul passage par page ; pas de modèle de mise en page séparé à déployer
- Apache 2.0, avec des builds GGUF communautaires
Les points faibles
- Remplacé par OvisOCR3 en moins de trois mois
- Seulement une recette vLLM ; ni API hébergée ni chiffres de débit
- Le code d'exemple doit couper les boucles de répétition sur les longues sorties
- Le benchmark interne et les résultats sur l'écriture manuscrite reposent sur des données non publiées
Idéal pour
Les équipes qui veulent un petit parseur de pages en un seul passage dont la précision a été confirmée au classement public d'OmniDocBench.
Alternatives à OvisOCR2
OvisOCR2 : questions fréquentes
- OvisOCR2 vaut-il le coup ?
- OvisOCR2 a prouvé qu'un modèle de bout en bout de 0,8B pouvait égaler les meilleurs parseurs en pipeline, et trois mois plus tard son propre successeur en a fait le deuxième choix. Nous lui donnons 4.1 sur 5.
- Combien coûte OvisOCR2 ?
- Gratuit sous Apache 2.0. Pas d'API hébergée ; une démo gratuite tourne sur Hugging Face Spaces.
- Quels sont les inconvénients de OvisOCR2 ?
- Remplacé par OvisOCR3 en moins de trois mois; seulement une recette vLLM ; ni API hébergée ni chiffres de débit; le code d'exemple doit couper les boucles de répétition sur les longues sorties; le benchmark interne et les résultats sur l'écriture manuscrite reposent sur des données non publiées.
- À qui s’adresse OvisOCR2 ?
- Les équipes qui veulent un petit parseur de pages en un seul passage dont la précision a été confirmée au classement public d'OmniDocBench.
- Combien coûte OvisOCR2 pour une équipe ou en production ?
- Les poids sont gratuits et pèsent environ 1,7 GB en BF16, si bien qu'un seul GPU grand public ou de centre de données suffit à le servir. Aucun chiffre de pages par seconde n'est publié, la planification de capacité demande donc votre propre mesure.
- OvisOCR2 est-il sûr pour les données de l’entreprise ?
- Apache 2.0 pour l'usage commercial et le fine-tuning. Auto-hébergement uniquement, donc les documents restent sur votre matériel ; la démo Hugging Face ne devrait pas voir de pages confidentielles.
- Quelles sont les meilleures alternatives à OvisOCR2 ?
- Les alternatives les plus proches que nous avons testées sont PaddleOCR-VL-1.6, GLM-OCR, Xiaomi-OCR-0 et MiniCPM-OCR 1.0.
Réponses vérifiées le 2 nov. 2026.
Vous éditez OvisOCR2 ? Affichez cette note sur votre site
