10月23日消息，近日，知名 AI 开源框架 LlamaIndex 发布全新视觉语言文档解析模型 OCRia‑1。这款仅 40 亿参数的 VLM，在 ParseBench 等多项权威评测中刷新同规模模型纪录，在复杂表格、图表提取、版式保留等难点任务上优势突出，现已直接集成到 LlamaParse 服务，且定价维持不变。

在 AI 智能体落地浪潮下，财报、保单、科研论文等企业文档里大量信息依附于嵌套表格、各类图表、数学公式与复杂排版。传统 OCR 方案往往只能识别纯文本，很容易丢失结构关系，难以直接供给下游智能体做计算、比对与推理；而通用多模态模型又普遍面临精度、成本、延迟三者难以兼顾的问题。OCRia‑1 的目标，就是面向智能体工作流补齐复杂文档结构化提取短板。

评测数据显示，OCRia‑1 在 ParseBench 综合得分 87.4，在 350 亿参数以下梯队里排名第一，较第二名高出 12.1 分；同时拿下 olmOCR‑bench、PulseBench‑Tab、fr‑bench‑pdf2md 三项第三方表格基准测试榜首。

它最突出的能力体现在两大高难度场景：一是处理合并单元格、多层表头、不规则网格的财务表格，保障标签与数值对应关系不错乱；二是解析折线图、柱状图、多轴复合图表，自动提取刻度、数据系列，输出可直接用于分析的结构化表格。在 ParseBench 图表专项上，OCRia‑1 得分 85.1，领先第二名 19 分，而不少同类模型在该任务上得分接近 0。

除此之外，模型可以保留上标、下标、复选框等文档原生格式，数学公式直接输出 LaTeX 代码，不再退化为普通文本；在格式保留单项评测中，同样大幅甩开竞品。

性能背后来自一套专门面向文档长尾场景的训练方案。LlamaIndex 搭建了超过 10 万页文档的训练数据集，重点覆盖高密度跨页表格、图表、公式、多语言文本、低质量扫描件等容易识别出错的样本。训练流程融合监督微调（SFT）与可验证奖励强化学习（RLVR），依靠可校验的结果信号，专门强化模型对表格、图表的还原能力，同时搭配合成文档数据扩充样本多样性。

官方表示，OCRia‑1 已经上线 LlamaParse，原有用户无需涨价即可获得更强的复杂文档解析能力。对于金融、保险、科研等行业的开发者而言，这意味着在搭建文档智能、RAG、业务智能体时，可以用更小的模型成本，稳定处理以往很难自动化的复杂报表与附图，降低企业文档数字化的落地门槛。