← 全部模型

HunyuanOCR-1.5

发布时间 发布主体 Tencent

模型定位

HunyuanOCR-1.5 是轻量化、端到端的 OCR 专用视觉语言模型,沿用 HunyuanOCR-1.0 的模型主干,重点提升推理速度和文字视觉任务能力。官方于 2026 年 7 月 7 日宣布发布。(github.com)

能力与用途

  • 将文档解析、文字检测与识别、信息抽取和图文翻译整合到单一模型中,可用于处理文档、表格和公式等文字密集型图像。
  • 针对低资源语言 OCR、古文字 OCR 和多图文字问答等能力进行了补强。
  • 使用 DFlash 投机解码加速长结构化输出;官方还提供 Transformers、vLLM 推理方案,以及基于 GGUF 和 llama.cpp 的 CPU、消费级 GPU 或笔记本部署方案。
  • 官方称训练中最大图像分辨率扩展至 4K,上下文窗口扩展至 128K;实际部署可用配置取决于推理环境。(github.com)

限制与使用条件

  • OCR 和结构化抽取结果可能出错,重要内容应核验;模型专为文字视觉任务设计,不应视为适用于所有视觉任务。
  • 官方统一推理环境需要 CUDA 13;也提供轻量单配置或 llama.cpp 部署路径。自部署需要相应计算资源。(github.com)
  • 模型采用 Tencent Hunyuan Community License Agreement,使用和再分发须遵守其条款。(github.com)

价格

截至 2026 年 11 月 16 日,查询腾讯云国内站和腾讯云国际站官方定价资料,未核实到明确适用于 HunyuanOCR-1.5 的 API 输入或输出价格,因此不填写人民币(CNY/RMB)或美元(USD)金额。其他混元模型或通用 OCR 产品的报价不能直接视为本模型报价。自部署的硬件和运行费用需自行承担。(cloud.tencent.com)

官方来源