5月28日消息，开源文档智能平台 Datalab 今日正式发布 Surya OCR 2，一款仅有 6.5 亿参数的多语言 OCR 模型。在权威文档智能评测 olmOCR-bench 中，新模型取得 83.3% 的综合成绩，在 30 亿参数以下级别位列第一，性能甚至超越了体积约 14 倍的初代 90 亿参数版本。模型即日起在 Hugging Face 开源。
单 VLM 统一三大 OCR 任务
Surya OCR 2 将版面分析、文本识别和表格识别三大任务收拢到单一的视觉语言模型（VLM）中，用户通过单次模型调用即可完成全页 OCR 识别。文本行检测与 OCR 错漏检测则仍通过独立的轻量级模型运行。
输出方面，模型直接生成包含坐标框和阅读顺序的结构化 HTML 代码——数学公式以 HTML math 标签输出，跨行跨列表格被整理为标准 HTML 格式。
91 种语言支持，中文通过率 82.5%
在多语言能力上，Surya OCR 2 在内部 91 种语言的测试中取得 87.2% 的综合通过率，其中中文通过率为 82.5%。模型对残损文档与手写体进行了深度优化，在 olmOCR-bench 的 "Long Tiny Text" 子项中取得 93.7% 的领先成绩。
双推理后端：RTX 5090 每秒 5 页，M1 本地可跑
Surya OCR 2 支持两大推理后端覆盖不同硬件场景：
- GPU 环境：在 NVIDIA GPU 上运行 Docker 并启用 vLLM 后端，单张 RTX 5090 可实现每秒 5.35 页的超高吞吐率
- CPU/苹果设备：通过 llama.cpp 载入 GGUF 格式，在 M1 电脑上即可实现完全本地端侧运行
安装只需 pip install surya-ocr 和一行命令 surya_ocr file.pdf，需搭配 llama.cpp（CPU）或 Docker（GPU）。
开源协议与商业 API
新模型源代码基于 Apache 2.0 协议开源，权重基于 OpenRAIL-M 协议免费提供给个人、高校及年收入 500 万美元以下的初创企业。对于需要更高吞吐量的场景，Datalab 同步开放了搭载更强 40 亿参数 Chandra 2 模型的付费 API，并提供 5 美元体验额度。
关键信号
Surya OCR 2 以 6.5 亿参数在 olmOCR-bench 上超越初代 90 亿参数版本，验证了 VLM 架构在文档 OCR 领域的有效性——将版面分析、文本识别和表格识别统一到一个模型中，不仅简化了推理链路，而且在小参数量下实现了比专网模型更优的效果。
OCR 领域的"小模型逆袭"正在成为趋势。Surya OCR 2 证明了一个方向：与其堆参数量做大一统模型，不如用架构创新（VLM）+ 精准的数据策略在更小的参数量上做到更好的效果。这对依赖 OCR 做文档数字化的企业来说，意味着更低的部署门槛——一张 RTX 5090 或一台 M1 Mac 就能跑出生产级效果。
Datalab 用 Surya OCR 2 和 Chandra 2 形成了"开源小模型 + 付费大模型"的分层策略，覆盖了从个人开发者到企业级场景的全光谱需求。在文档 OCR 这个看似成熟但实际体验参差不齐的赛道上，"全页单次调用 + 结构化 HTML 输出"的产品定义，比传统的多模型串联方案在工程可用性上有本质提升。
AI 速览
