O que é Infinity-Parser2-Flash?
O Infinity-Parser2-Flash é o menor de dois parsers de documentos da INF Technology, uma empresa de IA de Xangai que publica no Hugging Face como infly. Os dois foram lançados em 11 de maio de 2026 sob Apache 2.0, com um relatório técnico no arXiv. O Flash é um Qwen3.5-2B ajustado, com 2,21 bilhões de parâmetros; seu irmão Infinity-Parser2-Pro é construído sobre o Qwen3.5-35B-A3B, um modelo mixture-of-experts de 35 bilhões de parâmetros que ativa cerca de 3 bilhões por token.
Um único modelo devolve a página como JSON com bounding box, categoria e texto de cada elemento, ou como Markdown, e também converte gráficos em tabelas, processa estruturas químicas e responde a perguntas sobre documentos. A INF o treinou com fine-tuning supervisionado e depois aprendizado por reforço em todas essas tarefas ao mesmo tempo.
A INF também lançou o Infinity-Doc2-5M, o conjunto de treino de quase 5 milhões de amostras sintéticas e reais de documentos. O Flash teve 15.305 downloads no último mês no Hugging Face; o Pro, que precisa de duas GPUs na configuração da INF, teve 2.334.
Infinity-Parser2-Flash vale a pena?
O Infinity-Parser2-Flash é um bom generalista cujos melhores números pertencem ao irmão maior. A INF informa 86,0 no olmOCR-Bench e 72,2 no ParseBench para o Flash, contra 87,6 e 74,3 do Pro de 35B, ambos bem acima dos 78,5 e 66,0 que ela mediu para o PaddleOCR-VL-1.5. No OmniDocBench v1.6, porém, o Flash marca 91,98 na tabela da INF, abaixo do mesmo PaddleOCR-VL-1.5, com 94,87, e bem longe dos 96,47 que a OpenDataLab lista para o OvisOCR2. Nenhum dos modelos Infinity aparece no ranking da OpenDataLab, e a INF marca várias pontuações de rivais como obtidas com as próprias ferramentas.
As comparações externas até agora cobrem só o Pro. Os benchmarks de outubro da LightOn colocam o Infinity-Parser2-Pro em primeiro no olmOCR-Bench, com 87,6, igual ao número da INF, mas em segundo no ParseBench, com 74,3, atrás dos 75,1 do LightOnOCR-3-4B, e em quinto de nove no teste de documentos em francês da LightOn, com 63,2. São tabelas de um rival com a própria normalização, mas são o único olhar externo sobre a família até agora.
A alegação de velocidade pede leitura atenta. Os 1.624 tokens por segundo do destaque, 3,68 vezes o antigo Infinity-Parser-7B, foram medidos em duas H100 com oito solicitações em andamento, o que dá 0,95 segundo por página. Em uma H100 com uma solicitação, a configuração que a INF usou para os rivais, o Flash leva 6,06 segundos por página, contra 2,48 do PaddleOCR-VL-1.5 e 2,35 do DeepSeek-OCR-2. A saída em JSON, de cerca de 1.500 tokens por página, é parte do motivo.
A própria seção de limitações da INF é franca: inglês e chinês são os idiomas principais e os outros pioram, tabelas giradas e gráficos complexos perdem precisão, negrito e itálico não são capturados, e o modelo é fraco em seguir instruções de várias etapas. O Pro supera o Flash em todos os benchmarks que a INF lista, exceto layout no DocLayNet, mas com 35,1 bilhões de parâmetros é outra compra.
Nossa opinião: o Flash faz sentido onde um único modelo precisa cobrir páginas, gráficos e estruturas químicas, como em arquivos farmacêuticos ou de pesquisa. Para converter documentos empresariais comuns em Markdown, ele custa mais tempo de GPU por página do que parsers que pontuam mais.
Onde ele se destaca
Uma equipe de quimioinformática em uma farmacêutica digitalizando patentes e relatórios de laboratório
Transformar desenhos de estruturas químicas e tabelas de dados em texto legível por máquina
Rode o pacote infinity_parser2 sobre diretórios de PDFs com backend vLLM. A INF informa 63,34 no parsing químico do CoSyn para o Flash e 73,19 para o Pro; confira uma amostra, já que a vantagem do Pro nessa tarefa é grande.
Um engenheiro de dados em uma gestora de ativos processando relatórios trimestrais
Extrair dados de gráficos e tabelas para JSON com posições para revisão posterior
Use a tarefa doc2json para obter cada elemento com sua caixa e depois envie as tabelas e as tabelas dos gráficos para um banco de dados. Processe oito páginas por vez em duas GPUs para chegar perto dos 0,95 segundo por página da INF.
Antes de decidir
- Configuração
- Instale torch 2.10.0, flash-attn 2.8.3 (de 10 a 30 minutos para compilar a partir do código-fonte) e vllm 0.17.1, depois pip install infinity_parser2 e rode o comando parser em um arquivo ou em um diretório inteiro; os pesos são baixados na primeira execução.
- Integrações
- API Python e CLI com backends vLLM engine, servidor vLLM e Transformers; tarefas doc2json, doc2md e com prompt personalizado; conversões comunitárias em GGUF, AWQ e MLX no Hugging Face.
- Dados e privacidade
- Apache 2.0 para os pesos; o dataset Infinity-Doc2-5M é público. Só auto-hospedado, então os documentos ficam no seu hardware.
- Custo em escala
- O checkpoint em BF16 tem cerca de 4,4 GB. Os números da INF são 0,95 segundo por página em duas H100 com concorrência 8, cerca de 3.800 páginas por hora para o par, e 6,06 segundos por página com uma única requisição.
- Limites
- Principalmente inglês e chinês; tabelas giradas, gráficos complexos e estilos de texto são pontos fracos; pouco confiável em instruções complexas de várias etapas, segundo a INF.
O que é bom
- 86,0 no olmOCR-Bench e 72,2 no ParseBench (autodeclarados)
- Gráficos, estruturas químicas e perguntas sobre documentos em um único modelo de 2,2B
- Saída em JSON com caixas e categorias por elemento
- Apache 2.0, com o conjunto de treino de 5 milhões de amostras liberado
O que não é
- 91,98 no OmniDocBench v1.6 pela conta da INF; fora do ranking público
- 6,06 segundos por página em uma H100 sem lotes
- Na prática, só inglês e chinês
- Sem API própria; instalação pesada com versões fixas de torch, vLLM e FlashAttention
Ideal para
Equipes de pesquisa e de documentação técnica que querem parsing de páginas, extração de gráficos e reconhecimento de estruturas químicas a partir de um único modelo pequeno auto-hospedado.
Alternativas ao Infinity-Parser2-Flash
Infinity-Parser2-Flash: perguntas frequentes
- Infinity-Parser2-Flash vale a pena?
- O Infinity-Parser2-Flash faz mais tipos de trabalho com documentos que a maioria dos modelos de 2B, mas no parsing simples de páginas fica atrás de parsers menores e precisa de lotes para ser rápido. Damos nota 3.8 de 5.
- Quanto custa Infinity-Parser2-Flash?
- Gratuito sob Apache 2.0. Sem API hospedada própria; uma demonstração gratuita roda no Hugging Face Spaces.
- Quais são as desvantagens de Infinity-Parser2-Flash?
- 91,98 no OmniDocBench v1.6 pela conta da INF; fora do ranking público; 6,06 segundos por página em uma H100 sem lotes; na prática, só inglês e chinês; sem API própria; instalação pesada com versões fixas de torch, vLLM e FlashAttention.
- Para quem Infinity-Parser2-Flash é indicado?
- Equipes de pesquisa e de documentação técnica que querem parsing de páginas, extração de gráficos e reconhecimento de estruturas químicas a partir de um único modelo pequeno auto-hospedado.
- Quanto custa Infinity-Parser2-Flash para uma equipe ou em produção?
- O checkpoint em BF16 tem cerca de 4,4 GB. Os números da INF são 0,95 segundo por página em duas H100 com concorrência 8, cerca de 3.800 páginas por hora para o par, e 6,06 segundos por página com uma única requisição.
- Infinity-Parser2-Flash é seguro para dados da empresa?
- Apache 2.0 para os pesos; o dataset Infinity-Doc2-5M é público. Só auto-hospedado, então os documentos ficam no seu hardware.
- Quais são as melhores alternativas ao Infinity-Parser2-Flash?
- As alternativas mais próximas que analisamos são LightOnOCR-3-4B, PaddleOCR-VL-1.6, Chandra OCR 2 e Qianfan-OCR.
Respostas verificadas em 2 de nov. de 2026.