FireRed-OCR小红书开源模型，轻量级文档结构解析VLM

FireRed-OCR是小红书团队开源的轻量级文档结构解析视觉语言模型，基于Qwen3-VL-2B-Instruct架构，采用三阶段渐进式训练。模型仅2B参数量，却在权威评测OmniDocBench v1.5中取得92.94%综合得分，超越GPT-5.2、Gemini-3.0 Pro、Qwen3-VL-235B等超大模型，实现“小模型超大模型”的业界突破。

FireRed-OCR核心功能：

1、复杂表格精准提取：

从PDF、扫描件中稳定识别表格结构与行列关系，输出规整格式，解决传统OCR表格错乱、丢失问题。

2、数学公式智能解析：

准确识别并转换为标准LaTeX / Markdown公式，保证语法正确、可读性强。

3、文档层级结构还原：

自动识别标题H1–H6、段落、列表、缩进等排版，生成规范、可直接使用的结构化Markdown。

4、多格式文档一键结构化：

支持PDF、扫描图、学术论文、财务报告、合同等常见文档，统一转为干净可编辑文本。

5、抗结构幻觉优化：

基于GRPO强化学习，大幅降低内容编造、顺序错乱、层级混淆等解析错误。

6、轻量化易部署：

仅2B参数，支持本地部署与API调用，算力成本低，适合个人开发者与中小企业。

FireRed-OCR典型应用场景：

1、财务报告数字化：

提取财报、审计报告中的复杂表格与关键数据，转为结构化Markdown，便于分析与入库。

2、学术论文解析：

识别公式、图表、参考文献与章节层级，生成标准学术文本，提升文献管理效率。

3、合同与法务文档结构化：

将扫描合同、法律文件转为可编辑结构化文本，保留条款层级与关键信息。

4、书籍/期刊电子化：

还原目录、章节与正文排版，快速构建可检索、可存档的数字图书馆。

5、教育资料智能整理：

解析教材、试卷、讲义中的公式与表格，适配在线学习平台内容建设。

6、企业档案数字化：

将历史纸质档案、手写笔记转为结构化电子文档，支持长期保存与智能检索。