Qu’est-ce que OvisOCR3 ?
OvisOCR3 est un modèle d'OCR et de documents de 0,8 milliard de paramètres d'ATH-MaaS, une équipe du groupe Alibaba, sorti le 21 octobre 2026 sous Apache 2.0, un jour après son rapport technique. Comme OvisOCR2, c'est un Qwen3.5-0.8B post-entraîné qui lit l'image d'une page en un seul passage, sans modèle de mise en page séparé en amont. La fiche d'OvisOCR2 renvoie désormais vers lui comme version plus récente.
Ce qui change, c'est le périmètre. OvisOCR2 faisait une seule chose : transformer une page en Markdown. OvisOCR3 ajoute l'analyse en JSON structuré avec une boîte englobante et une catégorie pour chaque région, la détection de mise en page seule, dix prompts d'OCR général (du texte simple et des boîtes de mots aux formules, aux données de graphiques, à la traduction et aux questions-réponses visuelles), trois modes d'extraction d'informations clés, des légendes de figures avec du code Mermaid pour les organigrammes, et un mode deux pages qui raccorde les tableaux coupés par un saut de page. Chaque tâche est choisie par un fichier de prompt fourni avec les poids.
L'entraînement a changé en conséquence. La première étape a utilisé environ 72 millions d'exemples, 57 % du budget d'échantillonnage étant consacré à l'analyse de documents et 29 % à l'OCR général. Cinq enseignants de 4B, un par famille de tâches, ont ensuite été distillés dans l'élève de 0,8B, suivis d'un apprentissage par renforcement sur les cinq tâches à la fois.
OvisOCR3 vaut-il le coup ?
OvisOCR3 est meilleur qu'OvisOCR2 sur chaque chiffre publié par ses créateurs, mais aucun de ces chiffres n'a été vérifié par quelqu'un d'autre. La fiche annonce 96,74 sur OmniDocBench v1.6 contre 96,58 autodéclarés pour OvisOCR2, un écart de 0,16 point, à peine plus que les 0,11 qu'OpenDataLab a retirés au chiffre d'OvisOCR2 en évaluant lui-même le modèle. Le classement d'OpenDataLab, mis à jour pour la dernière fois le 11 septembre, ne mentionne pas OvisOCR3, et sur ce seul benchmark, le propre tableau d'Alibaba place Xiaomi-OCR-0 légèrement devant à 96,83.
Les gains les plus importants portent sur les pages difficiles. Sur PureDocBench, qui teste les mêmes pages propres, dégradées numériquement et rephotographiées, le score passe de 75,10 à 82,31 et la chute entre pages propres et pages recapturées est presque divisée par deux, de 15,04 points à 7,84. Sur MDPBench, 2 720 images dans 17 catégories de langues, il passe de 69,00 à 88,80, et le rapport indique que l'écart entre écritures latines et non latines se réduit de 23,7 points à 1,5. Ce sont des benchmarks publics, mais Alibaba y a évalué OvisOCR3 lui-même.
Les nouvelles tâches sont celles où les preuves sont les plus minces. L'extraction de champs obtient 90,50 sur le sous-ensemble KIE d'OCRBench et 88,69 sur CC-OCR, ce dernier à seulement 0,26 devant Qwen3.5-OCR. Les tableaux sur plusieurs pages atteignent 97,07 de F1 de relation contre 59,14 pour MinerU2.5-Pro, mais sur CrossTabBench, un jeu interne de 890 paires de pages ; sur le MPDocBench-Parse public, l'avance est de 92,04 contre 91,87. Les légendes de figures sont notées sur un autre jeu interne de 182 pages dont les légendes de référence ont été rédigées par un modèle de vision. AI Weekly note que le rapport ne publie aucune latence d'inférence par rapport aux enseignants de 4B et ne distingue pas ce qu'ont apporté respectivement la distillation et l'apprentissage par renforcement.
Le déploiement n'a pas bougé depuis OvisOCR2. La fiche donne une seule recette vLLM figée sur 0.22.1 et aucun chiffre de débit. La sortie Markdown a toujours besoin de la fonction de nettoyage des fins répétées, le JSON d'extraction est obtenu par prompt et non imposé, il faut donc le valider, et la fiche demande d'assainir le HTML et le Mermaid générés avant de les afficher. Les builds communautaires sont arrivés vite : la conversion GGUF de mradermacher compte 7 007 téléchargements, plus que les 4 972 des poids d'origine.
Notre avis : pour qui fait déjà tourner OvisOCR2, c'est un remplacement de poids avec plus de prompts, pas une migration, et les modes d'extraction et multipages peuvent permettre à un seul modèle d'en remplacer deux ou trois. Les équipes qui choisissent un parseur pour la première fois sur la seule précision feront mieux de prendre GLM-OCR ou PaddleOCR-VL-1.6 jusqu'à ce que les chiffres d'OvisOCR3 apparaissent dans un tableau qu'Alibaba ne contrôle pas.
Là où il fait la différence
Un ingénieur comptabilité fournisseurs dans un distributeur de taille moyenne qui reçoit des factures en plusieurs langues
Extraire en JSON le numéro de facture, la date, le vendeur et les lignes sans second modèle
Envoyez chaque page avec le prompt d'extraction par schéma et un modèle JSON, comme la fiche le montre pour les factures, puis validez le JSON avant de l'enregistrer. Alibaba annonce 77,73 sur son jeu KIE interne contre 75,25 pour GLM-OCR ; vérifiez d'abord la précision sur vos propres fournisseurs.
Une équipe data dans une société de recherche en investissement qui analyse des rapports annuels
Reconstituer en tableaux HTML uniques les tableaux financiers coupés par des changements de page
Analysez chaque page avec le prompt structuré, puis lancez le document_crosspage.py de la fiche sur les pages adjacentes, qui fusionne les paires en partant de la fin. La précision dépend de la première analyse et du bon ordre des pages, gardez donc les sorties brutes pour la relecture.
Une responsable de la numérisation dans des archives européennes qui travaille à partir de photos de registres en écritures non latines prises au téléphone
Transformer des pages photographiées en écritures non latines en Markdown consultable
Lancez le prompt d'analyse en Markdown sous vLLM sur un GPU. Les gains sur MDPBench sont la meilleure raison de le préférer ici à OvisOCR2, même s'il s'agit d'essais d'Alibaba et qu'aucun chiffre de pages par heure n'est publié.
Avant de vous engager
- Mise en route
- pip install vllm==0.22.1 et pillow, téléchargez le dépôt avec son dossier de prompts, et chargez un fichier de prompt par tâche ; le thinking doit être désactivé dans le modèle de chat, et les requêtes prennent une ou deux images.
- Intégrations
- Uniquement vLLM dans les instructions officielles ; des conversions communautaires GGUF, MLX et ONNX int4 existent sur Hugging Face. Les sorties sont en Markdown, JSON, tableaux HTML, LaTeX et Mermaid, avec des boîtes sur une grille de 0 à 1 000.
- Données et confidentialité
- Apache 2.0 pour l'usage commercial et le fine-tuning. Auto-hébergé, 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 le fichier safetensors pèse environ 1,7 GB, si bien qu'un seul GPU suffit à le servir. Aucun chiffre de débit ni de latence n'est publié, la planification de capacité demande donc votre propre mesure.
- Limites
- La sortie de l'exemple est plafonnée à 16 384 tokens ; les fins répétées doivent être coupées ; le JSON KIE et le HTML doivent être validés ; les légendes sont uniquement en anglais, jusqu'à 100 mots ; la fiche prévient d'erreurs sur le texte petit ou flou, les mises en page denses et les longs tableaux.
Les points forts
- Cinq familles de tâches dans un seul checkpoint de 0,8B, environ 1,7 GB en BF16
- MDPBench passé de 69,00 à 88,80 par rapport à OvisOCR2, selon Alibaba
- JSON structuré avec boîtes par région, plus un mode de mise en page seule
- Apache 2.0, avec des builds communautaires GGUF, MLX et ONNX
Les points faibles
- Pas encore au classement d'OpenDataLab ; tous les scores sont autodéclarés
- Les avantages sur les tableaux multipages et les légendes reposent sur des benchmarks internes
- Toujours une seule recette vLLM, sans chiffres de débit ni de latence
- La sortie Markdown a toujours besoin d'un nettoyage des répétitions ; le JSON n'est pas imposé
Idéal pour
Les équipes qui veulent l'analyse, l'extraction de champs et les tableaux sur plusieurs pages avec un seul petit modèle auto-hébergé, et peuvent le valider sur leurs propres documents.
Alternatives à OvisOCR3
OvisOCR3 : questions fréquentes
- OvisOCR3 vaut-il le coup ?
- OvisOCR3 fait cinq tâches documentaires dans l'empreinte qu'OvisOCR2 consacrait à une seule, et la seule chose qui le retient est que personne hors d'Alibaba ne l'a encore évalué. Nous lui donnons 4.2 sur 5.
- Combien coûte OvisOCR3 ?
- Gratuit sous Apache 2.0. Pas d'API hébergée ; une démo gratuite tourne sur Hugging Face Spaces.
- Quels sont les inconvénients de OvisOCR3 ?
- Pas encore au classement d'OpenDataLab ; tous les scores sont autodéclarés; les avantages sur les tableaux multipages et les légendes reposent sur des benchmarks internes; toujours une seule recette vLLM, sans chiffres de débit ni de latence; la sortie Markdown a toujours besoin d'un nettoyage des répétitions ; le JSON n'est pas imposé.
- À qui s’adresse OvisOCR3 ?
- Les équipes qui veulent l'analyse, l'extraction de champs et les tableaux sur plusieurs pages avec un seul petit modèle auto-hébergé, et peuvent le valider sur leurs propres documents.
- Combien coûte OvisOCR3 pour une équipe ou en production ?
- Les poids sont gratuits et le fichier safetensors pèse environ 1,7 GB, si bien qu'un seul GPU suffit à le servir. Aucun chiffre de débit ni de latence n'est publié, la planification de capacité demande donc votre propre mesure.
- OvisOCR3 est-il sûr pour les données de l’entreprise ?
- Apache 2.0 pour l'usage commercial et le fine-tuning. Auto-hébergé, donc les documents restent sur votre matériel ; la démo Hugging Face ne devrait pas voir de pages confidentielles.
- Quelles sont les meilleures alternatives à OvisOCR3 ?
- Les alternatives les plus proches que nous avons testées sont OvisOCR2, GLM-OCR, PaddleOCR-VL-1.6, Unlimited-OCR 2, LightOnOCR-3-4B et MiniCPM-OCR 1.0.
Réponses vérifiées le 2 nov. 2026.
Vous éditez OvisOCR3 ? Affichez cette note sur votre site
