← 全部模型

HunyuanOCR-1.5

發布時間 發布主體 Tencent

模型定位

HunyuanOCR-1.5 是輕量化、端到端的 OCR 專用視覺語言模型,沿用 1.0 的骨幹架構,將多種以文字為中心的視覺任務整合至單一模型。官方模型頁標示規模約為 10 億參數。(github.com)

能力與用途

  • 支援文件解析、文字偵測與辨識、資訊擷取及圖文翻譯,可用於文件數位化與結構化資料擷取。
  • 強化低資源語言 OCR、古文字 OCR 和多圖文字問答等能力;官方表示訓練時最大影像解析度擴展至 4K,上下文視窗擴展至 128K。
  • 支援 DFlash 推測解碼,以降低長篇結構化輸出的解碼延遲;也支援 vLLM、Transformers,以及經 GGUF 轉換後使用 llama.cpp 在 CPU、消費級 GPU 或筆記型電腦部署。(github.com)

限制與使用條件

  • OCR 和文件解析結果仍可能出錯或產生幻覺,重要內容應人工核對。
  • 官方統一推理環境需要 CUDA 13;沒有 CUDA 13 或只需單一推理配置時,可參考官方文件中的替代配置。
  • 模型使用 Tencent Hunyuan Community License Agreement,使用和商用前應檢查完整授權條款;自行部署仍需負擔運算與基礎設施成本。(github.com)

發布日期

2026 年 7 月 7 日,依騰訊官方專案公告。(github.com)

價格

查詢日期:2026 年 11 月 16 日。已檢查騰訊雲國內站及國際站的官方定價資料,未核實適用於 HunyuanOCR-1.5 的 API 輸入或輸出價格;不能將其他混元模型或 OCR 服務的價格套用至本模型。(cloud.tencent.com)

官方來源