← Tous les modèles

HPD-Parsing

Publication Éditeur Baidu

Présentation

HPD-Parsing est un modèle vision-langage léger d’environ 1 milliard de paramètres, spécialisé dans l’analyse structurée de documents à haut débit. Ses poids sont publiés sous licence Apache 2.0. (huggingface.co)

Capacités et usages

  • À partir d’une image de document, il produit une représentation structurée des blocs de mise en page, avec leur catégorie, leurs coordonnées et, lorsqu’il y en a, leur contenu textuel.
  • Son décodage hiérarchique coordonne la structure globale de la page et traite plusieurs blocs en parallèle. La prédiction progressive de plusieurs tokens, ou P-MTP, réduit les étapes de décodage.
  • Il convient notamment au traitement par lots et aux services d’analyse documentaire exigeant un débit élevé. Il peut être exécuté localement ou déployé comme service auto-hébergé avec une API compatible OpenAI. (paddleocr.ai)

Performances et limites

La fiche officielle indique un score global de 94,91 % sur OmniDocBench v1.6 et un débit maximal de 4 752 tokens par seconde dans ses tests. Ce maximum est un résultat de benchmark, pas une garantie de débit en production. (huggingface.co)

Le déploiement vLLM décrit par PaddleOCR nécessite une version personnalisée de vLLM, un GPU NVIDIA avec un pilote prenant en charge CUDA 12.8 ou supérieur et Linux x86-64 ; d’autres systèmes nécessitent un environnement Docker capable d’exécuter des conteneurs Linux avec GPU NVIDIA. Le paquet précompilé prend en charge Python 3.10 à 3.13. La compatibilité avec l’API OpenAI décrit l’interface du service auto-hébergé et ne confirme pas l’existence d’une API commerciale hébergée par Baidu. (paddleocr.ai)

Prix

Au 16 novembre 2026, aucun tarif officiel propre à HPD-Parsing pour les entrées ou les sorties n’a pu être vérifié, ni en CNY sur les sites officiels chinois, ni en USD sur les sites officiels internationaux. Les coûts éventuels d’infrastructure pour l’auto-hébergement dépendent du déploiement.

Date et sources officielles