PaddlePaddle prezentuje Unlimited-OCR: nowy model do przetwarzania dużych dokumentów
PaddlePaddle prezentuje Unlimited-OCR: nowy model do przetwarzania dużych dokumentów
PaddlePaddle ogłosiło premierę modelu Unlimited-OCR, który umożliwia błyskawiczne przetwarzanie obszernych dokumentów bez utraty wydajności.
Według twórców, model jest w stanie przetworzyć setki stron w jednym przebiegu, nie wykazując zauważalnego spadku prędkości. Osiągnięcie tego poziomu efektywności było możliwe dzięki zastosowaniu mechanizmu R-SWA (Reference Sliding Window Attention), który utrzymuje stały rozmiar pamięci podręcznej KV podczas dekodowania.
W teście benchmarkowym OmniDocBench model uzyskał wynik 93%, wyprzedzając konkurencyjny DeepSeek-OCR o 6 punktów procentowych.
Dlaczego to ważne
AnalizaNowe rozwiązanie znacząco upraszcza proces digitalizacji i analizy dużych zbiorów dokumentów, stanowiąc istotny krok naprzód w rozwoju technologii OCR. Wysoka wydajność połączona z precyzją otwiera nowe możliwości dla automatyzacji pracy biurowej i zarządzania danymi.
Dyskutuj w społeczności
Dziel się swoimi pytaniami i spostrzeżeniami z programistami
Powiązane w ekosystemie
Praktyczne poradniki, kluczowa terminologia i skille agentów
GPT-6 Astra: przewodnik po nowym modelu OpenAI
Pełny przegląd flagowego modelu GPT-6 Astra: architektura agentowa, możliwości Computer Use, kodowanie w Codex, benchmarki cyberbezpieczeństwa, niuanse promptowania oraz przewodnik po migracji API.
Budżet na myślenie (Thinking Budget w nowych modelach)
Nowy parametr modeli hybrydowego rozumowania (Claude 3.7 Sonnet, OpenAI o1/o3). Pozwala użytkownikowi samodzielnie określać limit tokenów lub sekund, które sztuczna inteligencja może przeznaczyć na wewnętrzne przemyślenia przed udzieleniem finalnej odpowiedzi.
Jev i System One AI: Kompletny praktyczny przewodnik po modelu decyzyjnym od TypeSafe
Głęboka analiza inżynieryjna flagowego modelu Jev: architektura System One w kontraście do LLM, prymitywy Choice/Score/Noul, równoległość zapytań, matematyka pewności, przypadki użycia wideo, kod oraz przegląd lokalnych alternatyw open-weight (Laya, GLiNER2.5, CLM-8B).
Model decyzyjny Jev
Jev to komercyjny, nieautoregresyjny model System 1 od TypeSafe AI, przeznaczony do szybkich, typowanych decyzji w pętlach agentowych. Zwraca zwalidowany obiekt decyzyjny w czasie 70–500 ms przy koszcie około $0,042 za 1 mln tokenów wejściowych, eliminując halucynacje składni JSON oraz opóźnienia routingu w stosach ReAct/Tool Calling.