Jina AI lanza jina-ocr-v1: analizador de documentos de alto rendimiento para gpus de bajo coste

Jina AI, una división de Elastic, ha lanzado jina-ocr-v1, un analizador de documentos visual de extremo a extremo capaz de procesar PDFs, escaneos, tablas, gráficos e facturas en Markdown limpio en un solo paso. El modelo, con un total de 3,4B parámetros y 570M parámetros de decodificador activos por token, está optimizado para GPUs de bajo coste como la NVIDIA L4. Cuenta con decodificación especulativa y obtiene puntuaciones de 91,14 en OmniDocBench v1.6 y 83,4 en olmOCR-Bench. El modelo se basa en DeepSeek-OCR, conservando sus componentes de eficiencia, e incluye una cabeza FastMTP para la generación de borradores. Puede procesar hasta 1.156 tokens visuales por página y genera Markdown con tablas HTML y fórmulas LaTeX. Jina AI afirma que ofrece el mayor rendimiento entre 14 sistemas, procesando 2,57 páginas por segundo en una GPU A100 de 40 GB. El modelo está disponible para uso de investigación y no comercial bajo una licencia CC BY-NC 4.0, con pesos abiertos de unos 6,8 GB en BF16. Jina AI también proporciona una API alojada y una herramienta de lectura para pruebas rápidas, junto con recursos para la auto-hospedaje. El lanzamiento destaca mejoras en el rendimiento y la velocidad, con un aumento de 1,95x en tokens por segundo en una GPU L4. El rendimiento del modelo se compara con otros sistemas como PaddleOCR-VL-1.6 y HunyuanOCR-1.5, aunque no es el más preciso.