olmOCR ,一款开源的高性能 OCR 模型，专门用于将 PDF 和文档图像转换为清晰、结构化的纯文本。模型足够小，可以在本地运行。
github.com/allenai/olmocr
基于 Qwen2-VL-7B-Instruct 构建。它通过在多样化数据集上微调，并结合高效的推理引擎，实现了低成本、高质量的文本提取。olmOCR 的优势在于其性能卓越，能够处理复杂布局的文档；成本低，处理百万 PDF 页面仅需约 190 美元；输出为 Markdown 格式，便于解析；并且完全开源，支持大规模 GPU 扩展。
