OvisOCR2의 개요
OvisOCR2는 Alibaba Group 내부 팀인 ATH-MaaS가 만든 8억 파라미터 문서 파서로, 2026년 7월 Apache 2.0으로 공개됐고 7월 15일 기술 보고서가 나왔습니다. 페이지 이미지 한 장을 받아 페이지 전체를 읽기 순서대로 Markdown으로 씁니다. 수식은 LaTeX, 표는 HTML, 그림은 태그가 붙은 바운딩 박스로 출력합니다. 앞단에 별도의 레이아웃 모델이 없습니다.
Qwen3.5-0.8B를 후속 학습한 모델입니다. 팀은 지도 파인튜닝으로 학습하고, 더 큰 4B 분기에서 강화학습을 돌린 뒤, 그 분기를 0.8B 모델로 다시 증류하고 여러 변형을 평균했습니다. 실제 문서 라벨은 PaddleOCR-VL-1.5와 MinerU2.5-Pro에서 가져와 하나의 Markdown 형식으로 변환했습니다.
2026년 10월 21일 같은 팀이 같은 기반의 0.8B 모델인 OvisOCR3를 공개했고, 현재 OvisOCR2의 모델 카드는 이를 새 버전으로 안내합니다.
OvisOCR2, 쓸 만한 가치가 있습니까?
OvisOCR2의 대표 점수는 개발사 밖에서도 유지됩니다. 이 분야에서는 생각보다 드문 일입니다. 팀은 OmniDocBench v1.6에서 96.58을 보고했고, 모델을 직접 돌리는 OpenDataLab 자체 리더보드는 96.47을 기록했습니다. 리더보드에서 OXR-1.0의 97.03, TeleOCR의 96.91에 이어 3위이며, PaddleOCR-VL-1.6의 96.34, GLM-OCR의 95.22를 근소하게 앞섭니다. 파라미터는 두 모델보다 적습니다.
설계상 주장은 단일 패스가 레이아웃 모델과 인식기 조합보다 낫다는 것입니다. 1,000페이지가 넘는 보고서의 자체 테스트가 이를 뒷받침합니다. 복잡한 표 하위 세트에서 파이프라인 파서는 표의 13~17%를 놓쳤고 OvisOCR2는 7.96%였습니다. 전체 점수는 85.54로 PaddleOCR-VL-1.6의 82.88을 앞섰습니다. 다만 이 벤치마크는 Alibaba 자체의 비공개 자료이고, 모델은 PaddleOCR-VL-1.5와 MinerU2.5-Pro 라벨로 학습했으므로, 향상의 일부는 교사 모델 출력을 더 깔끔하게 다듬은 결과입니다.
도구 지원은 빈약합니다. 모델 카드에는 버전 0.22.1로 고정된 vLLM 레시피 하나만 있고 Transformers, SGLang, Ollama용은 없습니다. 처리량 수치, 호스팅 API, 파인튜닝 가이드도 공개되지 않았습니다. 예제 코드에는 긴 출력 끝의 반복 텍스트를 잘라내는 함수까지 들어 있어, 빽빽한 페이지에서 모델이 반복에 빠질 수 있음을 보여 줍니다. 모델 카드는 중요한 작업에서는 결과를 직접 확인하라고 요청합니다.
더 큰 문제는 OvisOCR3입니다. 0.8B Qwen3.5 기반과 Apache 2.0 라이선스를 유지하면서, 모델 카드상 OmniDocBench v1.6 96.74, PureDocBench 82.31(OvisOCR2는 75.10), MDPBench 88.80(69.00 대비)을 기록하고, 필드 추출과 페이지 간 표 기능을 더했습니다. 자체 보고이고 아직 공개 리더보드에 없지만, 이미 vLLM으로 OvisOCR2를 돌리는 팀이라면 그대로 교체할 수 있는 후속 모델을 테스트하지 않을 이유가 별로 없습니다.
결론: 앞으로 몇 달 동안은 OvisOCR2가 두 모델 중 더 안전합니다. 이유는 점수를 다른 누군가가 확인했다는 것 하나뿐입니다. OvisOCR3가 OpenDataLab 리더보드에 오르면 OvisOCR2는 선택지가 아니라 비교 기준이 됩니다.
제 역할을 하는 곳
스캔한 연차 보고서로 RAG 색인을 구축하는 핀테크의 ML 엔지니어
표가 빽빽한 보고서 페 이지를 레이아웃 감지 단계 없이 Markdown으로 변환
모델 카드의 vLLM 레시피로 모델을 서비스하고, 각 페이지를 한 변 448~2,880픽셀로 렌더링하고, 청킹에는 HTML 표를 그대로 씁니다. Alibaba 자체 테스트에서 파이프라인 파서보다 놓친 표가 적었으며, 이는 재무제표에서 가장 중요합니다.
중급 GPU 한 장을 가진 대학 도서관 플랫폼 팀
이미 보유한 하드웨어로 수식이 들어간 논문을 대량 디지털화
BF16으로 약 1.7 GB이므로 카드 한 장에서 다른 서비스와 함께 올라갑니다. 수식은 LaTeX로 나옵니다. 처리량 수치가 공개되지 않았으므로 시간당 페이지 수를 직접 측정할 시간을 잡아 둡니다.
도입 전 확인할 점
- 설정
- pip install vllm==0.22.1과 pillow를 설치한 뒤, 모델 카드의 고정 파싱 프롬프트로 ATH-MaaS/OvisOCR2를 불러옵니다. 채팅 템플릿에서 thinking을 꺼야 합니다.
- 연동
- 공식 안내는 vLLM뿐이며, Hugging Face에 커뮤니티 GGUF 변환본이 있습니다. 출력은 HTML 표, LaTeX 수식, 좌표를 0~1,000으로 스케일한 이미지 태그가 들어간 Markdown입니다.
- 데이터와 개인 정보
- Apache 2.0으로 상업적 사용과 파인튜닝이 가능합니다. 자체 호스팅 전용이므로 문서가 사용자 하드웨어에 남습니다. 기밀 페이지는 Hugging Face 데모에 올리지 않아야 합니다.
- 대규모 사용 시 비용
- 가중치는 무료이고 BF16으로 약 1.7 GB이므로 소비자용이든 데이터센터용이든 GPU 한 장으로 서비스할 수 있습니다. 초당 페이지 수가 공개되지 않아 용량 계획에는 자체 측정이 필요합니다.
- 제한
- 호출당 한 페이지이며, 예제에서 출력은 16,384 토큰으로 제한됩니다. 긴 페이지의 반복은 잘라내야 합니다. 모델 카드는 중요한 용도에서 수동 확인을 요청합니다.
좋은 점
- OpenDataLab이 독립 측정한 OmniDocBench v1.6 96.47
- 파라미터 약 0.85B, BF16으로 약 1.7 GB
- 페이지당 한 번 처리하며 별도 레이아웃 모델 배포 불필요
- Apache 2.0, 커뮤니티 GGUF 빌드 있음
아쉬운 점
- 석 달 만에 OvisOCR3로 대체됨
- vLLM 레시피뿐이며 호스팅 API나 처리량 수치 없음
- 예제 코드가 긴 출력의 반복 루프를 잘라내야 함
- 자체 벤치마크와 손글씨 결과는 비공개 데이터
추천 대상
공개 OmniDocBench 리더보드에서 정확도가 확인된 작은 단일 패스 페이지 파서를 원하는 팀.
OvisOCR2 대안
OvisOCR2: 자주 묻는 질문
- OvisOCR2, 쓸 만한 가치가 있습니까?
- OvisOCR2는 0.8B 엔드투엔드 모델이 최고의 파이프라인 파서에 맞설 수 있음을 증명했습니다. 그리고 석 달 뒤 자신의 후속 모델 때문에 두 번째 선택지가 됐습니다. 평점은 5점 만점에 4.1점입니다.
- OvisOCR2의 가격은 얼마입니까?
- Apache 2.0으로 무료입니다. 호스팅 API는 없으며, Hugging Face Spaces에서 무료 데모가 돌아갑니다.
- OvisOCR2의 단점은 무엇입니까?
- 석 달 만에 OvisOCR3로 대체됨; vLLM 레시피뿐이며 호스팅 API나 처리량 수치 없음; 예제 코드가 긴 출력의 반복 루프를 잘라내야 함; 자체 벤치마크와 손글씨 결과는 비공개 데이터.
- OvisOCR2에 적합한 사람은 누구입니까?
- 공개 OmniDocBench 리더보드에서 정확도가 확인된 작은 단일 패스 페이지 파서를 원하는 팀.
- 팀이나 프로덕션 환경에서 OvisOCR2의 비용은 얼마입니까?
- 가중치는 무료이고 BF16으로 약 1.7 GB이므로 소비자용이든 데이터센터용이든 GPU 한 장으로 서비스할 수 있습니다. 초당 페이지 수가 공개되지 않아 용량 계획에는 자체 측정이 필요합니다.
- OvisOCR2에 회사 데이터를 맡겨도 안전합니까?
- Apache 2.0으로 상업적 사용과 파인튜닝이 가능합니다. 자체 호스팅 전용이므로 문서가 사용자 하드웨어에 남습니다. 기밀 페이지는 Hugging Face 데모에 올리지 않아야 합니다.
- OvisOCR2의 가장 좋은 대안은 무엇입니까?
- 저희가 리뷰한 것 중 가장 가까운 대안은 PaddleOCR-VL-1.6, GLM-OCR, Xiaomi-OCR-0 및 MiniCPM-OCR 1.0입니다.
답변 확인일: 2026년 11월 2일.
OvisOCR2 개발사입니까? 이 평점을 사이트에 표시하십시오
