开源动态8

MonkeyOCRv2：0.7B参数反超3B称霸文档OCR

量子位2026-07-26

AI 摘要

MonkeyOCRv2团队：文档OCR进入小模型时代，0.7B、0.6B的MonkeyOCRv2超越3B模型夺冠。它重新分工，用预训练目标保留细节，开源数据，视觉编码器迁移多任务表现优，“重建即视觉记忆”或是关键。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

Meta推编码框架，低价换开发者数据

Meta推出Muse Code编码框架及Muse Spark 1.2模型，有不同输入输出、功能和性能表现。提供不同档位价格，贡献者档位低价但数据用于训练。测试显示其单任务成本低，Meta此举或为获取编码训练数据。

在模型越做越大的当下，推理成本成了影响Agent大规模使用的关键因素。南北阁实验室推出Nanbeige4.2 - 3B，在架构、数据构造和训练pipeline层面做了系统工作，评测表现良好，还探索本地个人助手等应用。

文档视觉编码器对LLM理解和推理很重要。MonkeyOCRv2提出‘重建即文档视觉记忆’，通过多组实验验证其有效性，还发布MonkeyDoc v2数据集，推动公平比较的研究文化。

微博新开源的VibeThinker - 3B小模型，将特定能力维度性能推向极限。它在数学竞赛、编程等可验证推理基准上表现优异，成绩直逼顶尖大模型。其训练流程层层叠加，还提出参数压缩 - 覆盖假说。