3B小模型吊打72B巨头！轻量级文档解析OCR，性能超Gemini，高效且精准！
近日，Yuliang-Liu团队发布了一款名为MonkeyOCR的轻量级文档解析模型，它以结构-识别-关系（SRR）三元组范式实现了高效精准的文档解析，在英文文档解析任务中超越了Gemini 2.5 Pro和Qwen2.5-VL-72B。其处理速度达每秒0.84页，支持中英文文档处理，并能生成Markdown或JSON结构化数据，适用于企业文档处理、学术研究等场景。
Qwen2.5-VL-72B
AI能看懂图像却算不好距离，上交时间-空间智能基准难倒9大顶尖多模态模型
上海交通大学联合团队发布STI-Bench，评估多模态大模型的空间-时间理解能力。结果显示当前最强模型在自动驾驶和机器人操作任务中表现不佳，准确率低于50%。论文、代码及数据已开源，为改善MLLM空间智能提供了新基准。