PaddlePaddle stellt Unlimited-OCR vor: Neues Modell für die Verarbeitung großer Dokumente
PaddlePaddle stellt Unlimited-OCR vor: Neues Modell für die Verarbeitung großer Dokumente
PaddlePaddle hat das OCR-Modell Unlimited-OCR vorgestellt, das die Verarbeitung umfangreicher Dokumente ohne Einbußen bei der Geschwindigkeit ermöglicht.
Laut den Entwicklern kann das Modell Hunderte von Seiten in einem einzigen Durchlauf verarbeiten, ohne dass es zu spürbaren Geschwindigkeitsverlusten kommt. Dies wird durch den R-SWA-Mechanismus (Reference Sliding Window Attention) ermöglicht, der während des Decodierens eine konstante Größe des KV-Caches beibehält.
Im OmniDocBench-Benchmark erzielte das Modell eine Punktzahl von 93 % und übertraf damit DeepSeek-OCR um 6 %.
Warum das wichtig ist
AnalyseDieses neue Modell vereinfacht die Verarbeitung großer Dokumente erheblich und markiert einen wichtigen Schritt in der Entwicklung der OCR-Technologie. Die hohe Leistungsfähigkeit und Genauigkeit eröffnen neue Möglichkeiten für die Automatisierung der Dokumentenverarbeitung.
In der Community diskutieren
Teile deine Fragen und Erkenntnisse mit Entwicklern
Verwandt im Ökosystem
Praktische Leitfäden, Terminologie und Agenten-Skills
Tencent stellt Hy4 vor: ein Open-Weight-Modell, das DeepSeek herausfordert
Tencent hat Hy4 veröffentlicht, ein multimodales Modell, das in internen Tests 75,2 Punkte im APEX-Agents-Benchmark erreichte und vor DeepSeek V4.1 Flash-1017 lag. Das Unternehmen will die Modellgewichte veröffentlichen.
Revolut setzt rund 2.000 Entwickler auf lokal bereitgestellte GLM-Modelle für Programmierung
Revolut hat etwa 2.000 Entwickler auf lokal bereitgestellte GLM-Modelle umgestellt und damit die Kosten für KI-Coding um rund das Zehnfache sowie die Bearbeitungszeit um 70 % gesenkt.
Jev und System One AI: Ein umfassender praktischer Leitfaden zum Entscheidungsmodell von TypeSafe
Tiefgehende technische Analyse des Flaggschiff-Modells Jev: Architektur von System One im Vergleich zu LLMs, Choice/Score/Noul-Primitiven, Anfrageparallelität, Unsicherheitsmathematik, Video-Anwendungsfälle, Code sowie Überblick über lokale Open-Weight-Alternativen (Laya, GLiNER2.5, CLM-8B).
Teil II. Architektur von KI-Agenten: Vom Modell zu Gedächtnis und Tools
Tiefes technisches Eintauchen: Tokenisierung, KV-Cache, Determinismus beim Sampling, Trainings-Stack, Quantisierung, Kontext-Engineering, Security-Stack, produktives RAG, ReAct sowie Multi-Agenten-Swarm-Systeme.