Infinity-Parser2-Flash의 개요
Infinity-Parser2-Flash는 Hugging Face에 infly라는 이름으로 모델을 올리는 상하이의 AI 기업 INF Technology가 만든 문서 파서 두 개 중 작은 쪽입니다. 둘 다 2026년 5월 11일 Apache 2.0으로 공개됐고, 기술 보고서가 arXiv에 실렸습니다. Flash는 Qwen3.5-2B를 파인튜닝한 모델로 파라미터는 22.1억(2.21 billion) 개입니다. 형제 모델 Infinity-Parser2-Pro는 Qwen3.5-35B-A3B를 기반으로 하며, 이는 토큰당 약 30억(3 billion) 개를 활성화하는 350억(35-billion) 파라미터 mixture-of-experts 모델입니다.
하나의 모델이 페이지를 요소별 바운딩 박스, 범주, 텍스트가 담긴 JSON이나 Markdown으로 반환합니다. 차트를 표로 바꾸고, 화학 구조와 문서 질의도 처리합니다. INF는 이 모든 작업을 한꺼번에 대상으로 지도 파인튜닝을 한 뒤 강화학습을 거쳐 학습시켰습니다.
INF는 합성 문서와 실제 문서 샘플 약 500만(5 million) 개로 이뤄진 학습 데이터셋 Infinity-Doc2-5M도 공개했습니다. 최근 한 달 동안 Hugging Face에서 Flash는 15,305회 다운로드됐고, INF의 구성에서 GPU 두 장이 필요한 Pro는 2,334회였습니다.
Infinity-Parser2-Flash, 쓸 만한 가치가 있습니까?
Infinity-Parser2-Flash는 유능한 만능형 모델이지만, 가장 좋은 수치는 더 큰 형제 모델의 것입니다. INF는 Flash의 점수로 olmOCR-Bench 86.0, ParseBench 72.2를 보고하며, 35B Pro는 87.6과 74.3입니다. 둘 다 INF가 PaddleOCR-VL-1.5에 대해 측정한 78.5와 66.0보다 크게 높습니다. 그러나 OmniDocBench v1.6에서 Flash는 INF의 표 기준 91.98점으로, 같은 PaddleOCR-VL-1.5의 94.87점보다 낮고, OpenDataLab이 OvisOCR2에 대해 올린 96.47점에는 한참 못 미칩니다. 두 Infinity 모델 모두 OpenDataLab 리더보드에는 없으며, INF는 경쟁 모델 점수 몇 개를 자체 도구로 실행한 것이라고 표시합니다.
지금까지의 외부 비교는 Pro만 다룹니다. LightOn의 10월 벤치마크에서 Infinity-Parser2-Pro는 olmOCR-Bench 87.6점으로 1위를 해 INF의 수치와 일치했습니다. 하지만 ParseBench에서는 74.3점으로 LightOnOCR-3-4B의 75.1점에 이어 2위였고, LightOn의 프랑스어 문서 테스트에서는 63.2점으로 9개 중 5위였습니다. 이는 경쟁사가 자체 정규화를 적용한 표이지만, 지금까지 이 계열을 바깥에서 살펴본 유일한 자료입니다.
속도 주장은 꼼꼼히 읽어야 합니다. 대표 수치인 초당 1,624토큰은 이전 Infinity-Parser-7B의 3.68배인데, H100 두 장에서 동시 요청 8건으로 측정한 것이며 페이지당 0.95초에 해당합니다. INF가 경쟁 모델에 적용한 조건인 H100 한 장, 요청 1건에서는 Flash가 페이지당 6.06초 걸립니다. PaddleOCR-VL-1.5는 2.48초, DeepSeek-OCR-2는 2.35초입니다. 페이지당 약 1,500토큰인 JSON 출력이 그 이유 중 하나입니다.
INF가 직접 쓴 한계 항목은 솔직합니다. 주 언어는 영어와 중국어이고 다른 언어는 성능이 떨어집니다. 회전된 표와 복잡한 차트에서는 정확도가 낮아지고, 굵은 글씨와 기울임꼴은 잡아내지 못하며, 여러 단계로 된 지시를 따르는 데 약합니다. Pro는 DocLayNet 레이아웃을 제외한 INF의 모든 벤치마크에서 Flash를 앞서지만, 351억(35.1 billion) 파라미터라 전혀 다른 선택입니다.
결론: Flash는 제약이나 연구 아카이브 처럼 하나의 모델이 페이지, 차트, 화학 구조를 모두 다뤄야 하는 곳에서 의미가 있습니다. 일반 업무 문서를 Markdown으로 바꾸는 용도라면, 점수가 더 높은 파서보다 페이지당 GPU 시간이 더 듭니다.
제 역할을 하는 곳
특허와 실험 보고서를 디지털화하는 제약회사의 화학정보학 팀
화학 구조 그림과 데이터 표를 기계가 읽을 수 있는 텍스트로 바꾸기
vLLM 백엔드에서 infinity_parser2 패키지를 PDF 디렉터리에 대해 실행합니다. INF는 CoSyn 화학 파싱에서 Flash 63.34점, Pro 73.19점을 보고합니다. 이 작업에서는 Pro의 우위가 크므로 샘플을 확인하십시오.
분기 보고서를 파싱하는 자산운용사의 데이터 엔지니어
나중에 검토할 수 있도록 차트 데이터와 표를 위치 정보와 함께 JSON으로 추출하기
doc2json 작업으로 각 요소를 박스와 함께 받은 뒤, 표와 차트 표를 데이터베이스에 넣습니다. INF의 페이지당 0.95초에 가까운 속도를 내려면 GPU 두 장에서 한 번에 8페이지씩 배치로 처리합니다.
도입 전 확인할 점
- 설정
- torch 2.10.0, flash-attn 2.8.3(소스에서 컴파일하는 데 10분에서 30분), vllm 0.17.1을 설치한 뒤 pip install infinity_parser2를 하고, 파일 하나나 디렉터리 전체에 parser 명령을 실행합니다. 가중치는 첫 실행 때 내려받습니다.
- 연동
- vLLM 엔진, vLLM 서버, Transformers 백엔드를 지원하는 Python API와 CLI, doc2json, doc2md, 사용자 지정 프롬프트 작업, Hugging Face의 커뮤니티 GGUF, AWQ, MLX 변환본.
- 데이터와 개인정보
- 가중치는 Apache 2.0이며, Infinity-Doc2-5M 데이터셋은 공개돼 있습니다. 셀프호스팅 전용이므로 문서는 자신의 하드웨어에 머뭅니다.
- 대규모 사용 시 비용
- BF16 체크포인트는 약 4.4 GB입니다. INF의 수치는 H100 두 장, 동시성 8에서 페이지당 0.95초로 두 장 합계 시간당 약 3,800페이지이고, 단일 스트림에서는 페이지당 6.06초입니다.
- 제한
- INF에 따르면 주로 영어와 중국어를 지원하고, 회전된 표, 복잡한 차트, 텍스트 서식이 약점이며, 복잡한 다단계 지시에서는 신뢰하기 어렵습니다.
좋은 점
- olmOCR-Bench 86.0점, ParseBench 72.2점(자체 보고)
- 2.2B 모델 하나로 차트, 화학 구조, 문서 질의를 처리합니다
- 요소별 박스와 범주가 담긴 JSON 출력
- Apache 2.0이며, 500만 샘플 학습 데이터셋도 공개됐습니다
아쉬운 점
- INF 집계 기준 OmniDocBench v1.6 91.98점이며, 공개 리더보드에는 없습니다
- 배치 없이 H100 한 장에서 페이지당 6.06초
- 실질적으로 영어와 중국어만 지원합니다
- 자체 API가 없고, torch, vLLM, FlashAttention 버전이 고정된 무거운 설치가 필요합니다
추천 대상
작은 셀프호스팅 모델 하나로 페이지 파싱, 차트 추출, 화학 구조 인식을 하려는 연구 및 기술 문서 팀.
Infinity-Parser2-Flash 대안
Infinity-Parser2-Flash: 자주 묻는 질문
- Infinity-Parser2-Flash, 쓸 만한 가치가 있습니까?
- Infinity-Parser2-Flash는 대부분의 2B 모델보다 많은 종류의 문서 작업을 해냅니다. 하지만 일반 페이지 파싱에서는 더 작은 파서에 뒤지고, 빠르게 돌리려면 배치 처리가 필요합니다. 평점은 5점 만점에 3.8점입니다.
- Infinity-Parser2-Flash의 가격은 얼마입니까?
- Apache 2.0으로 무료입니다. 자체 호스팅 API는 없으며, Hugging Face Spaces에서 무료 데모가 돌아갑니다.
- Infinity-Parser2-Flash의 단점은 무엇입니까?
- INF 집계 기준 OmniDocBench v1.6 91.98점이며, 공개 리더보드에는 없습니다; 배치 없이 H100 한 장에서 페이지당 6.06초; 실질적으로 영어와 중국어만 지원합니다; 자체 API가 없고, torch, vLLM, FlashAttention 버전이 고정된 무거운 설치가 필요합니다.
- Infinity-Parser2-Flash에 적합한 사람은 누구입니까?
- 작은 셀프호스팅 모델 하나로 페이지 파싱, 차트 추출, 화학 구조 인식을 하려는 연구 및 기술 문서 팀.
- 팀이나 프로덕션 환경에서 Infinity-Parser2-Flash의 비용은 얼마입니까?
- BF16 체크포인트는 약 4.4 GB입니다. INF의 수치는 H100 두 장, 동시성 8에서 페이지당 0.95초로 두 장 합계 시간당 약 3,800페이지이고, 단일 스트림에서는 페이지당 6.06초입니다.
- Infinity-Parser2-Flash에 회사 데이터를 맡겨도 안전합니까?
- 가중치는 Apache 2.0이며, Infinity-Doc2-5M 데이터셋은 공개돼 있습니다. 셀프호스팅 전용이므로 문서는 자신의 하드웨어에 머뭅니다.
- Infinity-Parser2-Flash의 가장 좋은 대안은 무엇입니까?
- 저희가 리뷰한 것 중 가장 가까운 대안은 LightOnOCR-3-4B, PaddleOCR-VL-1.6, Chandra OCR 2 및 Qianfan-OCR입니다.
답변 확인일: 2026년 11월 2일.