FireRed-OCR의 개요
FireRed-OCR은 Xiaohongshu의 FireRedTeam이 만든 오픈 문서 파싱 모델입니다. 2026년 2월 28일 코드와 가중치 모두 Apache 2.0으로 공개되었고, 2026년 3월 2일 기술 보고서가 나왔습니다. 페이지 이미지 전체를 읽어 표와 LaTeX 수식을 포함한 Markdown을 한 번에 출력하며, 별도의 레이아웃 모델이 없습니다. Hugging Face API 기준 파라미터는 21억 3,000만(2.13 billion)개이며, 모델은 아키텍처를 바꾸지 않은 Qwen3-VL-2B-Instruct입니다.
핵심은 학습에 있습니다. 3단계 커리큘럼은 검출과 영역 읽기 작업에서 시작해 표준화된 Markdown 파인튜닝으로 넘어가고, 팀이 Format-Constrained GRPO라 부르는 강화학습 단계로 끝납니다. 이 단계는 올바른 수식 문법, 닫힌 표, 제대로 중첩된 구조에 보상을 줍니다. 보고서에 따르면 어려운 학습 페이지는 Gemini 3 Pro의 도움을 받아 다시 라벨링했습니다.
FireRed-OCR, 쓸 만한 가치가 있습니까?
FireRed-OCR은 제작팀 자체 비교에서 가장 강한 단일 패스 파서이며, 그 비교가 한계도 보여 줍니다. 팀은 OmniDocBench v1.5에서 92.94점을 보고합니다. DeepSeek-OCR 2의 91.09점, dots.ocr의 88.41점보다 높고, 출발점인 손대지 않은 Qwen3-VL-2B보다 11.07점 높습니다. 같은 표에서 PaddleOCR-VL-1.5는 94.50점, GLM-OCR은 94.60점이며, 둘 다 읽기 전에 레이아웃 검출기를 돌립니다. 모든 수치는 자체 발표이고, 외부에서 다시 측정한 결과는 찾지 못했습니다.
팀 자체의 견고성 테스트는 덜 호의적입니다. 까다로운 실제 레이아웃을 모은 FireRedBench에서 FireRed-OCR은 74.62점으로, PaddleOCR-VL-1.5의 76.47점과 Gemini 3.0 Pro의 79.68점에 못 미칩니다. PubTabNet의 표 구조 점수 77.0은 MinerU2.5의 88.4보다 낮습니다. 수식과 텍스트 편집 거리에서는 91.71 CDM과 0.032로 실제 개선이 있지만, 표는 여전히 전용 파이프라인이 더 잘하는 영역입니다.
실용적인 장점은 특별한 것이 하나도 없다는 점입니다. 아키텍처가 Qwen3-VL이므로 trust_remote_code 없이 표준 Transformers 클래스로 로드되고, BF16 가중치는 약 4.3 GB로 소비자용 GPU 한 장에 들어갑니다. 카드에는 출력 상한 8,192 토큰의 Transformers 예시와 GitHub에서 클론하는 프롬프트 헬퍼만 있습니다. vLLM 레시피, VRAM 수치, 초당 페이지 수는 없습니다.
활동성도 걱정거리입니다. 별 295개인 GitHub 저장소는 2026년 3월 4일 이후 커밋이 없고, 체크포인트는 하나뿐입니다. PaddleOCR-VL-1.6은 크기가 절반이면서 더 높은 점수를 보고합니다. FireRed-OCR이 이기는 DeepSeek-OCR 2도 최소한 비교할 수 있는 독립 재측정 결과가 있습니다.
제 역할을 하는 곳
스택에서 이미 Qwen3-VL 모델을 서빙하는 ML 엔지니어
두 번째 추론 프레임워크 없이 페이지-Markdown 파싱 추가
체크포인트가 기본 Qwen3VLForConditionalGeneration 클래스를 쓰므로 기존 Transformers 코드에 그대로 들어갑니다. 카드에 처리량 수치가 없으므로 배치와 서빙은 직접 작성해야 합니다.
수학이 많은 강의 노트와 논문을 디지털화하는 연구자
스캔한 페이지에서 깨진 수식 없이 올바른 LaTeX 얻기
강화학습 단계가 수식 문법에 명시적으로 보상을 주며, 팀은 OmniDocBench v1.5에서 91.71 CDM을 보고합니다. 파이프라인 파서가 더 높은 점수를 내는 표는 직접 확인하십시오.
OCR 학습 방법을 연구하는 응용 과학자
다른 베이스 모델에서 형식 제약 강화학습 재현
기술 보고서는 3단계 커리큘럼과 수식, 표, 계층 구조, 텍스트에 대한 보상 항목을 설명합니다. Apache 2.0 가중치는 파인튜닝을 시작할 2B 기준선이 됩니다.
도입 전 확인할 점
- 설정
- pip로 transformers와 qwen-vl-utils를 설치하고, 프롬프트 헬퍼를 위해 FireRed-OCR GitHub 저장소를 클론한 뒤 FireRedTeam/FireRed-OCR을 BF16으로 로드합니다. flash-attention 2를 권장합니다.
- 연동
- 카드에는 Transformers만 나옵니다. 표와 LaTeX 수식을 포함한 Markdown을 출력합니다. Hugging Face Space에 데모가 있습니다.
- 데이터와 개인정보
- 자체 호스팅이므로 문서는 사용자의 하드웨어에 남습니다. Apache 2.0은 상업적 사용과 파인튜닝을 허용합니다. 보고서에 따르면 어려운 학습 샘플은 Gemini 3 Pro로 다시 라벨링했습니다.
- 대규모 사용 시 비용
- 가중치는 무료이며 BF16으로 약 4.3 GB입니다. 호스팅 가격, VRAM 수치, 초당 페이지 수가 공개되지 않았으므로 장비 규모는 직접 벤치마크해서 정해야 합니다.
- 제한
- 모든 점수가 자체 발표입니다. 표와 팀 자체의 FireRedBench에서 파이프라인 파서에 뒤처집니다. 예시의 출력은 새 토큰 8,192개로 제한됩니다. 체크포인트는 하나이고 2026년 3월 4일 이후 커밋이 없습니다.
좋은 점
- OmniDocBench v1.5 92.94점, 제작팀 표에서 end-to-end 모델 중 1위
- 표준 Qwen3-VL 아 키텍처, 신뢰해야 할 원격 코드 없음
- BF16 가중치 약 4.3 GB
- 코드와 가중치 모두 Apache 2.0
아쉬운 점
- 모든 벤치마크 수치가 자체 발표
- 자체 벤치마크 두 개 모두에서 PaddleOCR-VL-1.5와 GLM-OCR에 뒤처짐
- 서빙 가이드, VRAM, 처리량 수치 없음
- 2026년 3월 이후 저장소 커밋 없음
추천 대상
이미 Qwen3-VL을 서빙하고 있으며, 레이아웃 파이프라인을 추가하지 않고 바로 끼워 넣을 문서-Markdown 체크포인트를 원하는 팀.
FireRed-OCR 대안
FireRed-OCR: 자주 묻는 질문
- FireRed-OCR, 쓸 만한 가치가 있습니까?
- 형식에 대한 강화학습이 2B 범용 모델을 11점 끌어올릴 수 있음을 분명히 보여 줍니다. 하지만 아직 이 모델보다 나은 파이프라인 파서를 버릴 이유는 되지 못합니다. 평점은 5점 만점에 3.9점입니다.
- FireRed-OCR의 가격은 얼마입니까?
- Apache 2.0으로 무료입니다. 호스팅 API는 없고, 무료 Hugging Face Space 데모만 있습니다.
- FireRed-OCR의 단점은 무엇입니까?
- 모든 벤치마크 수치가 자체 발표; 자체 벤치마크 두 개 모두에서 PaddleOCR-VL-1.5와 GLM-OCR에 뒤처짐; 서빙 가이드, VRAM, 처리량 수치 없음; 2026년 3월 이후 저장소 커밋 없음.
- FireRed-OCR에 적합한 사람은 누구입니까?
- 이미 Qwen3-VL을 서빙하고 있으며, 레이아웃 파이프라인을 추가하지 않고 바로 끼워 넣을 문서-Markdown 체크포인트를 원하는 팀.
- 팀이나 프로덕션 환경에서 FireRed-OCR의 비용은 얼마입니까?
- 가중치는 무료이며 BF16으로 약 4.3 GB입니다. 호스팅 가격, VRAM 수치, 초당 페이지 수가 공개되지 않았으므로 장비 규모는 직접 벤치마크해서 정해야 합니다.
- FireRed-OCR에 회사 데이터를 맡겨도 안전합니까?
- 자체 호스팅이므로 문서는 사용자의 하드웨어에 남습니다. Apache 2.0은 상업적 사용과 파인튜닝을 허용합니다. 보고서에 따르면 어려운 학습 샘플은 Gemini 3 Pro로 다시 라벨링했습니다.
- FireRed-OCR의 가장 좋은 대안은 무엇입니까?
- 저희가 리뷰한 것 중 가장 가까운 대안은 PaddleOCR-VL-1.6, DeepSeek-OCR 2, dots.ocr 및 Falcon OCR입니다.
답변 확인일: 2026년 11월 2일.