The Pulse
LightOn pubblica i modelli OCR-3 che leggono impaginazioni, grafici e immagini
LightOn ha pubblicato tre modelli aperti OCR-3 che trascrivono documenti e possono anche individuare gli elementi di una pagina, descrivere immagini ed estrarre dati dai grafici. I modelli sono distribuiti con licenza Apache 2.0 e i benchma
AI.info Team · Scritto con l’IA ·
LightOnOCR-3 promette di sostituire alcune componenti dei sistemi di elaborazione dei documenti che combinano strumenti separati per testo, impaginazione e grafici. Ma i risultati dei benchmark della stessa LightOn delineano un quadro più sfumato: nel test OCR, il modello più grande resta dietro al primo classificato, pur ottenendo risultati solidi in altri test.
LightOn ha annunciato i modelli l’8 ottobre 2026, in tre dimensioni: 0,8 miliardi, 1 miliardo e 4 miliardi di parametri. Tutti sono distribuiti con licenza Apache 2.0 per uso commerciale e di ricerca. L’azienda afferma che i nuovi modelli aggiungono l’analisi dell’impaginazione e delle immagini alla trascrizione del testo, con l’obiettivo di ridurre le elaborazioni aggiuntive spesso necessarie per rendere i documenti complessi ricercabili e utilizzabili dalle applicazioni a valle.
Un prompt aggiunge coordinate, descrizioni delle immagini e dati dei grafici
Con un prompt testuale vuoto, LightOnOCR-3 trascrive una pagina usando l’interfaccia delle versioni precedenti. Un prompt contenente soltanto «grounding» richiede un output più ricco: riquadri delimitatori etichettati per gli elementi della pagina, brevi descrizioni delle immagini e dati dei grafici rappresentati come tabelle HTML. Secondo la nota tecnica di LightOn, le coordinate usano una scala da 0 a 1.000.
La distinzione conta per i documenti il cui significato dipende da più delle sole parole estratte. Conservare la posizione di paragrafi, tabelle e immagini può aiutare i sistemi di ricerca nei documenti a preservare il contesto, mentre trasformare un grafico in una tabella può rendere i suoi valori accessibili a software che altrimenti riceverebbero soltanto un’immagine. LightOn presenta l’output combinato come un modo per ridurre la dipendenza da passaggi separati per il rilevamento dell’impaginazione e l’elaborazione dei grafici.
Risultati solidi, ma un netto distacco su olmOCR-Bench
Su olmOCR-Bench, LightOn riporta un punteggio complessivo di 86,3 per il suo modello 4B, 1,3 punti dietro Infinity Parser Pro, che dichiara 35,1 miliardi di parametri. Nel confronto dell’azienda, il modello di LightOn supera di 0,5 punti Chandra 2, un altro modello 4B. Le varianti più piccole ottengono 85,5 per il modello 0.8B e 84,5 per il modello 1B.
I risultati variano a seconda del tipo di documento. Secondo LightOn, la versione 4B è in testa sulle pagine ArXiv, il modello 1B sulle pagine a più colonne e la versione 0.8B sui testi lunghi e con caratteri molto piccoli. Infinity Parser Pro resta avanti sulle vecchie scansioni e sulle intestazioni e i piè di pagina. Su ParseBench, i modelli 4B e 0.8B di LightOn ottengono rispettivamente 75,1 e 74,6 nel punteggio complessivo delle cinque categorie, superando di poco il 74,3 di Infinity Parser Pro; nel test FRBench-pdf2md sui documenti in francese, il modello 4B ottiene 74,1.
LightOn segnala i limiti dei punteggi dei benchmark e i compromessi sulla velocità
I punteggi richiedono una precisazione: secondo LightOn, i benchmark usano la distanza di editing, che può penalizzare scelte di formattazione equivalenti, come rappresentare una nota a piè di pagina in HTML anziché in LaTeX. L’azienda afferma di applicare funzioni di normalizzazione agli output dei modelli concorrenti e pubblica tali funzioni insieme agli script per riprodurre i risultati. È una precisazione importante quando si interpretano piccole differenze di punteggio come prova di una migliore estrazione.
LightOn riferisce inoltre che, in modalità grounding, i modelli 0.8B e 4B producono in media dal 9% al 14% di token di output in meno rispetto a Chandra-OCR-2 e Infinity-Parser2-Pro sulle stesse 512 pagine di olmOCR-bench. I test di velocità hanno usato una H100 per modello e vLLM 0.30.0; secondo l’azienda, il rendering delle pagine a una risoluzione inferiore aumenta la produttività massima, mentre la versione 1B ha la latenza più bassa per una singola pagina, pari a 2,7 secondi.
La proposta di LightOn per OCR-3 si basa sull’unire trascrizione e struttura visiva in un’unica chiamata al modello, non sul superare ogni concorrente in ogni categoria. I checkpoint dei tre modelli Apache 2.0 sono disponibili su Hugging Face e l’azienda ha pubblicato anche script per convertire e visualizzare l’output con grounding.