开源动态7

复旦OpenDoc：OCR小模型速度超MinerU6倍

CourseAI2026-02-02

AI 摘要

复旦开源OpenOCR平台，其OpenDoc超轻量文档解析系统速度超MinerU 6倍。采用两阶段Pipeline模式不易放大误差，UniRec - 0.1B小模型靠创新技术可在特定领域超通用大模型。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

百度HPD - Parsing：文档解析速度暴涨3倍

百度PaddleOCR推出HPD - Parsing小模型，文档解析速度大幅提升，是上一代最快模型的1.62倍、自身原解码方式的3.06倍。它采用层级并行解码架构，有两层并行设计，效果出色且兼容性好，还分享了优质训练方法和优化思路。

LLM操作手机以往方案有局限，phone - harness利用macOS Sequoia的iPhone镜像功能，通过截取镜像窗口、注入操作、截屏验证实现Claude操作iPhone，还介绍安装步骤、踩坑及已知限制。

处理PDF时，若全用OCR成本和延迟会增加，直接提取文本又易遇乱序、乱码等问题。Firecrawl开源的pdf - inspector工具能智能区分扫描版和文本版PDF，按需使用OCR，精准处理。

GitHub上的项目codex-vision-proxy让接进Codex的DeepSeek能看图，不用换模型或等官方，装本地代理即可。它还附带视觉工具包，在智能文档解析和OCR上潜力大，证明多模态能力可长在管道上。