Infinity-Parser2-Flashとは？
Infinity-Parser2-Flashは、Hugging Faceでinflyとして公開している上海のAI企業INF Technologyによる2つの文書解析モデルのうち、小さいほうです。どちらも2026年5月11日にApache 2.0で公開され、arXivに技術レポートがあります。FlashはQwen3.5-2Bをファインチューニングしたもので、22億1,000万（2.21 billion）パラメータです。兄弟モデルのInfinity-Parser2-Proは、Qwen3.5-35B-A3Bをベースにしています。これは350億（35 billion）パラメータの混合エキスパートモデルで、トークンごとに約30億（3 billion）を有効にします。
1つのモデルが、ページを要素ごとのバウンディングボックス、カテゴリ、テキスト付きのJSONとして、またはMarkdownとして返し、グラフから表への変換、化学構造、文書への質問も扱います。INFは教師ありのファインチューニングを行い、その後これらすべてのタスクで同時に強化学習を行いました。
INFは学習用のデータセットInfinity-Doc2-5Mも公開しました。合成と実物の文書を合わせて約500万（5 million）件のサンプルです。FlashはHugging Faceで過去1か月に15,305回ダウンロードされ、INFの構成でGPUが2基必要なProは2,334回でした。
Infinity-Parser2-Flashは使う価値があるか？
Infinity-Parser2-Flashは有能な万能型ですが、最も良い数字は大きいほうの兄弟モデルのものです。INFはFlashについて、olmOCR-Benchで86.0、ParseBenchで72.2と報告しており、35BのProは87.6と74.3です。どちらも、INFがPaddleOCR-VL-1.5で測った78.5と66.0を大きく上回っています。ただしOmniDocBench v1.6では、INFの表でFlashは91.98で、同じPaddleOCR-VL-1.5の94.87を下回り、OpenDataLabがOvisOCR2について掲載している96.47には遠く及びません。どちらのInfinityのモデルもOpenDataLabのリーダーボードには載っておらず、INFは競合のスコアのいくつかに、自社のツールで実行したと注記しています。
これまでの外部の比較はProだけを対象にしています。LightOnの10月のベンチマークでは、Infinity-Parser2-ProはolmOCR-Benchで87.6で首位となりINFの数字と一致しましたが、ParseBenchでは74.3で、75.1のLightOnOCR-3-4Bに次ぐ2位、LightOnのフランス語の文書のテストでは63.2で9モデル中5位でした。これらは競合が独自の正規化で作った表ですが、このファミリーに対する外部からの評価はいまのところこれしかありません。
速さの主張は注意して読む必要があります。見出しの毎秒1,624トークン、旧Infinity-Parser-7Bの3.68倍という数字は、H100 2基で8件のリクエストを同時に処理して測ったもので、1ページあたり0.95秒になります。INFが競合に使った設定であるH100 1基、1リクエストでは、Flashは1ページ6.06秒かかり、PaddleOCR-VL-1.5は2.48秒、DeepSeek-OCR-2は2.35秒です。1ページ約1,500トークンになるJSONの出力も理由の一つです。
INF自身の制限事項の節は率直です。主な言語は英語と中国語でほかの言語では精度が落ちること、回転した表や複雑なグラフでは精度が下がること、太字と斜体は捉えられないこと、複数の手順にわたる指示に従うのが苦手なことが書かれています。INFが挙げるベンチマークでは、DocLayNetのレイアウト以外のすべてでProがFlashを上回りますが、35.1 billion（351億）パラメータのProは別の買い物です。
結論：製薬や研究のアーカイブのように、1つのモデルでページ、グラフ、化学構造をまかなう必要がある場合には、Flashは理にかなっています。普通の業務文書をMarkdownに変換するなら、より高いスコアの解析モデルより、1ページあたりのGPU時間が多くかかります。
真価を発揮する場面
特許や実験報告書をデジタル化する製薬会社のケモインフォマティクスのチーム
化学構造の図とデータの表を機械で読めるテキストにする
vLLMのバックエンドで、infinity_parser2のパッケージをPDFのディレクトリに対して実行します。INFはCoSynの化学構造の解析で、Flashが63.34、Proが73.19と報告しています。このタスクではProの差が大きいので、サンプルで確認してください。
四半期報告書を解析する資産運用会社のデータエンジニア
後で確認できるよう、グラフのデータと表を位置付きでJSONに取り出す
doc2jsonのタスクで各要素をボックス付きで取得し、表とグラフから作った表をデータベースに入れます。INFの1ページ0.95秒に近づけるには、GPU 2基で8ページずつまとめて処理してください。
導入前に確認すること
- 導入
- torch 2.10.0、flash-attn 2.8.3（ソースからのコンパイルに10分から30分）、vllm 0.17.1をインストールしてから、pip install infinity_parser2を実行し、ファイルかディレクトリ全体に対してparserのコマンドを実行します。重みは初回の実行時にダウンロードされます。
- 連携
- vLLMのエンジン、vLLMのサーバー、Transformersのバックエンドを使えるPythonのAPIとCLI。doc2json、doc2md、カスタムプロンプトのタスク。Hugging Face上のコミュニティによるGGUF、AWQ、MLXへの変換版。
- データとプライバシー
- 重みはApache 2.0で、Infinity-Doc2-5Mのデータセットは公開されています。セルフホストのみなので、文書は自分のハードウェアにとどまります。
- 大規模利用時のコスト
- BF16のチェックポイントは約4.4 GBです。INFの数字では、H100 2基で同時実行数8のとき1ページ0.95秒で、2基で1時間に約3,800ページ、単一ストリームでは1ページ6.06秒です。
- 制限
- INFによると、主に英語と中国語向けで、回転した表、複雑なグラフ、テキストの装飾が弱点で、複雑な複数の手順にわたる指示には信頼性がありません。
良い点
- olmOCR-Benchで86.0、ParseBenchで72.2（自己申告）
- グラフ、化学構造、文書への質問を1つの2.2Bモデルで扱える
- 要素ごとのボックスとカテゴリ付きのJSONの出力
- Apache 2.0で、500万件のサンプルの学習用データセットも公開
気になる点
- INFの集計でOmniDocBench v1.6は91.98、公開のリーダーボードに載っていない
- バッチ処理なしではH100 1基で1ページ6.06秒
- 実際には英語と中国語のみ
- 開発元のAPIがなく、torch、vLLM、FlashAttentionのバージョンを固定した重いインストールが必要
おすすめの人
ページの解析、グラフの抽出、化学構造の認識を1つの小さなセルフホストのモデルでまかないたい、研究や技術文書のチーム。
Infinity-Parser2-Flashの代替
Infinity-Parser2-Flash：よくある質問
- Infinity-Parser2-Flashは使う価値があるか？
- Infinity-Parser2-Flashは、ほとんどの2Bモデルより多くの種類の文書作業をこなします。しかし単純なページの解析ではより小さな解析モデルに及ばず、速くするにはバッチ処理が必要です。 評価は5点満点中3.8点です。
- Infinity-Parser2-Flashの料金は？
- Apache 2.0で無料。開発元によるホスト版のAPIはなく、Hugging Face Spacesで無料のデモが動いています。
- Infinity-Parser2-Flashの欠点は？
- INFの集計でOmniDocBench v1.6は91.98、公開のリーダーボードに載っていない; バッチ処理なしではH100 1基で1ページ6.06秒; 実際には英語と中国語のみ; 開発元のAPIがなく、torch、vLLM、FlashAttentionのバージョンを固定した重いインストールが必要.
- Infinity-Parser2-Flashは誰に向いているか？
- ページの解析、グラフの抽出、化学構造の認識を1つの小さなセルフホストのモデルでまかないたい、研究や技術文書のチーム。
- チームや本番環境でInfinity-Parser2-Flashを使うと費用はいくらか？
- BF16のチェックポイントは約4.4 GBです。INFの数字では、H100 2基で同時実行数8のとき1ページ0.95秒で、2 基で1時間に約3,800ページ、単一ストリームでは1ページ6.06秒です。
- Infinity-Parser2-Flashは企業データを扱っても安全か？
- 重みはApache 2.0で、Infinity-Doc2-5Mのデータセットは公開されています。セルフホストのみなので、文書は自分のハードウェアにとどまります。
- Infinity-Parser2-Flashの代わりになるものは？
- 当サイトでレビューした中で最も近い代替はLightOnOCR-3-4B, PaddleOCR-VL-1.6, Chandra OCR 2 、 Qianfan-OCRです。
回答確認日：2026年11月2日