騰訊 HunyuanOCR-1.5：輕量 OCR 視覺語言模型，主打又快又好

騰訊推出 HunyuanOCR-1.5，一款輕量、端到端的 OCR 專用視覺語言模型（VLM）。它把文件解析、文字偵測（text spotting）、資訊抽取這幾件過去要靠多個模組串起來的工作，統一在一個模型裡完成，主打的兩個字就是——更快、更好。體積小、又不犧牲準度，是它想打的差異點。

傳統的 OCR 流水線往往拆成好幾段：先偵測文字在哪、再辨識是什麼字、最後解析版面結構抽出欄位，每一段各自出錯、彼此累積誤差，維護起來也麻煩。端到端的 VLM 把整條流程收進單一模型，讓它直接看圖、直接吐出結構化結果，理論上更簡潔、也更能處理複雜版面（表格、發票、手寫混排）。

會強調「輕量」是有現實考量的：OCR 是最貼近實際商用的 AI 場景之一——掃描發票、讀合約、數位化檔案、辨識證件——這些需求量大、對成本和速度敏感，而且很多要在企業內部、甚至端側裝置上跑。一個小到能便宜部署、又夠準的 OCR VLM，比一個又大又貴的通用模型實用得多。

歸剛點評：OCR 聽起來不性感，卻是 AI 少數已經真的在幫企業省錢、天天在用的落地場景。騰訊走輕量路線很務實——這領域拚的是誰又快又準又便宜，參數多寡反而其次。而且它願意把 Hunyuan 系列開源，對想自建文件處理的團隊是實打實的禮物。