Jina AI прокачала DeepSeek-OCR и ускорила разбор документов Модель рассчитана…

Jina AI прокачала DeepSeek-OCR и ускорила разбор документов

Модель рассчитана на локальный запуск даже на недорогих системах. На вход можно подать скан, фотографию или PDF, а на выходе получить Markdown с поддержкой LaTeX.

Кроме полной транскрипции, модель умеет:
— распознавать таблицы
— разбирать формулы
— подписывать изображения
— отвечать на вопросы по документу
— извлекать ключевые поля

В основе — DeepSeek-OCR с визуальным энкодером DeepEncoder на 380 млн параметров. Он сжимает страницу до 256 визуальных токенов, а при необходимости добавляет до 9 фрагментов по 100 токенов. Декодер — MoE-модель на 3 млрд общих и 570 млн активных параметров.

Главный вклад Jina — спекулятивное декодирование FastMTP. Один общий блок предлагает сразу 3 токена вперёд, а декодер принимает самую длинную часть, совпадающую с его собственным выбором. Проще говоря, модель пытается угадывать продолжение заранее и экономить время там, где угадала.

По тестам всё выглядит бодро.