← Alle Modelle

HunyuanOCR-1.5

Veröffentlicht Herausgeber Tencent

Einordnung

HunyuanOCR-1.5 ist ein leichtgewichtiges, auf optische Zeichenerkennung spezialisiertes End-to-End-Vision-Language-Modell mit rund 1 Milliarde Parametern. Es baut auf der Architektur von HunyuanOCR-1.0 auf. (github.com)

Fähigkeiten und Einsatz

Das Modell verarbeitet textbezogene Bildaufgaben, darunter Dokumentanalyse, Texterkennung und -lokalisierung, Informationsextraktion und Übersetzung von Text in Bildern. Weitere Einsatzgebiete sind Fragen zu mehreren Dokumentbildern, Tabellen- und Diagrammanalyse sowie die Erkennung alter Schriften. Laut Tencent wurde das Kontextfenster auf 128K und die maximale Bildauflösung auf 4K erweitert. (github.com)

Für die Inferenz unterstützt das Projekt unter anderem Transformers und vLLM. DFlash-Spekulationsdekodierung soll insbesondere lange strukturierte Ausgaben beschleunigen. Über llama.cpp und konvertierte GGUF-Gewichte ist auch eine Bereitstellung auf CPUs, Consumer-GPUs und Laptops möglich. (github.com)

Einschränkungen

Erkennungs- und Generierungsergebnisse können Fehler enthalten und sollten bei kritischen Dokumenten überprüft werden. Die einheitliche Inferenzumgebung benötigt CUDA 13; für andere Umgebungen verweist Tencent auf alternative Konfigurationen. Die Gewichte stehen unter der Tencent Hunyuan Community License Agreement; deren Bedingungen sind vor einer Nutzung zu prüfen. (arxiv.org)

Preise

Bei der Recherche in den offiziellen Preisübersichten von Tencent Cloud für China und international konnte für HunyuanOCR-1.5 weder ein CNY- noch ein USD-API-Preis verifiziert werden. Preise für Eingabe und Ausgabe sind damit nicht verifiziert; die dort aufgeführten Preise anderer Modelle werden nicht übertragen. Bei eigener Bereitstellung können Infrastrukturkosten anfallen. Abfrage: 16. November 2026. (cloud.tencent.com)

Veröffentlichung und offizielle Quellen