← すべてのモデル

HPD-Parsing

公開日 提供元 Baidu

概要

HPD-Parsingは、高スループットの文書解析を目的とした軽量な視覚言語モデルです。モデル規模は約10億パラメータで、重みはApache-2.0ライセンスで公開されています。(huggingface.co)

能力と用途

  • 文書画像のレイアウトを解析し、ブロックの種類、位置座標、テキストを含む構造化結果を出力します。大量の文書ページの解析や、後続処理用の構造化に利用できます。(paddleocr.ai)
  • 主レイアウト分岐が全体構造を調整し、各領域の内容を並列に生成します。Progressive Multi-Token Prediction(P-MTP)によって各分岐の逐次デコードも短縮します。公式資料では公開ベンチマーク上のピークスループットを4,752トークン/秒と報告しています。これは測定条件下の値であり、実運用での速度を保証するものではありません。(paddleocr.ai)
  • カスタマイズ版vLLMを用い、OpenAI互換の自前ホスティングAPIまたはPython APIによるローカル推論に対応します。(paddleocr.ai)

制限・動作要件

公式チュートリアルの推論方法には、vLLM 0.17.1を基にした専用版、CUDA 12.8以上に対応するNVIDIAドライバとGPUが必要です。ネイティブ環境はLinux x86-64を対象とし、その他のOSでは対応するLinux NVIDIA GPUコンテナ環境が必要です。事前ビルド済みパッケージを使う場合はPython 3.10~3.13が対象です。性能は文書や実行環境によって異なり、解析結果の正確性は個別に検証する必要があります。(paddleocr.ai)

公開日

公式論文一覧の初回公開日は2026年7月21日です。PaddleOCRリポジトリのモデル提供開始告知は2026年7月22日です。(github.com)

価格

2026年11月16日調査時点で、中国国内向けの人民元(CNY/RMB)建ておよび国際向けの米ドル(USD)建てについて、HPD-Parsingを特定した公式ホスティングAPIの入力・出力料金は確認できませんでした。自前の推論環境は用意できますが、計算資源などの費用は利用環境によって発生します。OpenAI互換APIへの対応は、公式の従量課金サービスの存在や料金を意味しません。(paddleocr.ai)

公式情報源