O que é LightOnOCR-3-4B?
O LightOnOCR-3-4B é o maior de três modelos de OCR que a LightOn, uma empresa de IA de Paris, lançou em 8 de outubro de 2026 sob Apache 2.0. Ele é construído sobre a arquitetura de visão e linguagem do Qwen3.5; a LightOn o chama de 4B, e o checkpoint contado pelo Hugging Face tem 4,54 bilhões de parâmetros. A família também tem um 0.8B na mesma arquitetura e um 1B que mantém o design mais antigo do LightOnOCR-2 como atualização direta.
Chamado com um prompt vazio, ele transcreve a página para Markdown como as versões anteriores. Chamado com o prompt "grounding", ele rotula cada bloco com um de 16 tipos e uma bounding box, escreve uma breve descrição de cada imagem e transforma gráficos em uma tabela HTML com seus pontos de dados, por cerca de 25% mais tokens de saída.
Ele substitui o LightOnOCR-2-1B, lançado em janeiro de 2026, que teve 779.954 downloads no último mês no Hugging Face, contra 19.097 do 4B. Aquele modelo só transcrevia, rodava a 5,71 páginas por segundo em uma H100 pela conta da LightOn e marcava 0,0 na categoria de ancoragem visual do ParseBench.
LightOnOCR-3-4B vale a pena?
O LightOnOCR-3-4B é o modelo de OCR de ponta a ponta mais completo da sua categoria de tamanho, pelos benchmarks da própria LightOn. Ele marca 75,1 no geral no ParseBench, à frente do Infinity-Parser2-Pro, com 74,3 e nove vezes mais parâmetros, do Chandra 2, com 70,1, e do Mistral OCR 4.1, com 68,2, e 86,3 no olmOCR-Bench, 1,3 ponto atrás do Infinity-Parser2-Pro e 0,5 à frente do Chandra 2. Todos os números são execuções da LightOn, após funções de normalização que ela publica junto com scripts para reproduzir os resultados.
Os resultados em documentos em francês são os mais distintivos. No fr-bench-pdf2md ele marca 74,1 no geral, contra 69,0 do Chandra 2 e 63,2 do Infinity-Parser2-Pro, com 46,1 em páginas manuscritas, onde o Chandra 2 tem 26,1 e o Mistral OCR 4.1 tem 11,5. Para arquivos e administrações europeias, é uma diferença maior do que qualquer benchmark isolado em inglês mostra.
Não há pontuação no OmniDocBench, então ele não pode ser posto diretamente ao lado do PaddleOCR-VL-1.6, do OvisOCR2 ou do GLM-OCR na tabela mais comum. Sua categoria fraca no olmOCR-Bench são as digitalizações antigas, com 52,5, onde o Infinity-Parser2-Pro chega a 58,2, e o irmão de 0.8B fica a meio ponto dele no ParseBench com um quinto do tamanho. Só dois prompts são suportados; a LightOn diz que qualquer outra instrução está fora da distribuição.
A velocidade é medida com cuidado. Em uma H100 com vLLM, ele serve 3,36 páginas por segundo no pico quando as páginas são renderizadas com 1.540 pixels no lado maior, 66% mais que na configuração de 400 DPI por trás das suas melhores pontuações. Contra o Chandra-OCR-2, construído sobre a mesma base Qwen3.5-4B, ele é 19% mais rápido em uma página avulsa e serve 21% mais páginas por segundo, sobretudo porque escreve 14% menos tokens.
Nossa opinião: o LightOnOCR-3-4B é a contrapartida europeia dos pequenos parsers chineses, com uma saída mais ampla que a da maioria deles. A variante de 0.8B é o melhor padrão onde o throughput importa mais que os manuscritos, já que abre mão de só meio ponto no ParseBench.
Onde ele se destaca
Uma equipe de arquivos em uma prefeitura francesa digitalizando processos manuscritos e datilografados
Transformar páginas mistas, manuscritas e impressas, em texto pesquisável em servidores próprios
Sirva o 4B com vLLM em uma H100 e envie páginas renderizadas a 400 DPI. Os 46,1 da LightOn em páginas manuscritas em francês ficam bem à frente dos rivais que ela testou, e a licença Apache 2.0 se adapta a compras públicas.
Um engenheiro de ML construindo um sistema RAG sobre relatórios corporativos
Dividir documentos pelas seções reais e manter os valores dos gráficos pesquisáveis
Chame com o prompt grounding para que cada bloco volte rotulado com uma caixa e indexe as tabelas dos gráficos como dados. O grounding acrescenta cerca de 25% de tokens de saída, cerca de 1.433 em vez de 1.158 por página.
Uma equipe de plataforma que já roda o LightOnOCR-2-1B em produção
Atualizar o OCR sem mudar o código do cliente
Troque pelo LightOnOCR-3-1B, que mantém a arquitetura antiga, ou passe ao 4B no Transformers 5.2 ou mais recente; o modo de transcrição com prompt vazio se comporta como antes.
Antes de decidir
- Configuração
- pip install transformers 5.5.4 ou mais recente com pillow e pypdfium2 e carregue com as classes do Qwen3.5, ou sirva com vllm serve com o thinking desativado; renderize PDFs a 400 DPI com 2.048 pixels no lado maior.
- Integrações
- Transformers e vLLM; o repositório da LightOn no GitHub acrescenta um cliente, CLI, conversores de saída, um visualizador e código para reproduzir os benchmarks; builds comunitários em GGUF no Hugging Face.
- Dados e privacidade
- Apache 2.0 para pesquisa e uso comercial. Auto-hospedado, os documentos ficam no seu hardware; a demonstração no Hugging Face é a única opção hospedada citada no card.
- Custo em escala
- O checkpoint em BF16 tem cerca de 9 GB, então uma GPU de data center o serve. A LightOn informa um pico de 3,36 páginas por segundo em uma H100 com renderização de 1.540 pixels, cerca de 12.000 páginas por hora.
- Limites
- Só os prompts vazio e grounding; treinado e avaliado com o thinking desativado; digitalizações antigas são sua categoria mais fraca no olmOCR-Bench; nenhum resultado no OmniDocBench publicado.
O que é bom
- 75,1 no ParseBench e 86,3 no olmOCR-Bench (autodeclarados)
- Caixas de layout, descrições de imagens e tabelas de gráficos em uma passada
- 74,1 em documentos em francês, 46,1 em páginas manuscritas
- Apache 2.0 de um fabricante europeu, com scripts de reprodução
O que não é
- Sem número no OmniDocBench para comparar com os rivais chineses
- Todos os números de benchmark são execuções da própria LightOn
- Só são suportados um prompt vazio ou "grounding"
- O irmão de 0.8B é quase tão preciso no ParseBench
Ideal para
Equipes que processam documentos empresariais, formulários e manuscritos em idiomas europeus e querem dados de layout e de gráficos sem rodar um pipeline de detecção.
Alternativas ao LightOnOCR-3-4B
LightOnOCR-3-4B: perguntas frequentes
- LightOnOCR-3-4B vale a pena?
- O LightOnOCR-3-4B dá a um único modelo de 4B as caixas de layout e os dados de gráficos que antes exigiam um pipeline, e pelos números da LightOn é o modelo aberto a ser batido em documentos em francês e manuscritos. Damos nota 4.2 de 5.
- Quanto custa LightOnOCR-3-4B?
- Gratuito sob Apache 2.0. Nenhuma API hospedada própria listada no card do modelo; uma demonstração gratuita roda no Hugging Face Spaces.
- Quais são as desvantagens de LightOnOCR-3-4B?
- Sem número no OmniDocBench para comparar com os rivais chineses; todos os números de benchmark são execuções da própria LightOn; só são suportados um prompt vazio ou "grounding"; o irmão de 0.8B é quase tão preciso no ParseBench.
- Para quem LightOnOCR-3-4B é indicado?
- Equipes que processam documentos empresariais, formulários e manuscritos em idiomas europeus e querem dados de layout e de gráficos sem rodar um pipeline de detecção.
- Quanto custa LightOnOCR-3-4B para uma equipe ou em produção?
- O checkpoint em BF16 tem cerca de 9 GB, então uma GPU de data center o serve. A LightOn informa um pico de 3,36 páginas por segundo em uma H100 com renderização de 1.540 pixels, cerca de 12.000 páginas por hora.
- LightOnOCR-3-4B é seguro para dados da empresa?
- Apache 2.0 para pesquisa e uso comercial. Auto-hospedado, os documentos ficam no seu hardware; a demonstração no Hugging Face é a única opção hospedada citada no card.
- Quais são as melhores alternativas ao LightOnOCR-3-4B?
- As alternativas mais próximas que analisamos são Chandra OCR 2, Infinity-Parser2-Flash, Mistral OCR 4.1 e Surya OCR 2.5.
Respostas verificadas em 2 de nov. de 2026.
Você faz o LightOnOCR-3-4B? Mostre esta nota no seu site
