Tencentは、ページ画像用のエンドツーエンドのドキュメントパーサーであるWeVisDoc-4Bをリリースしました。これは、LaTeX数式とHTMLテーブルを含む構造化されたMarkdownにページを変換します。Qwen3-VL-4B-Instructからファインチューニングされ、OmniDocBench v1.6で総合スコア95.38を達成し、報告されたすべての4つの設定において比較されたパーサーの中で1位となりました。

  • WeVisDoc-4BはQwen3-VL-4B-Instructからファインチューニングされています。
  • 構造化されたMarkdown、LaTeX数式、HTMLテーブルを出力します。
  • モデルはOmniDocBench v1.6で総合スコア95.38を達成しました。
  • 報告されたすべての4つの設定において、比較されたエンドツーエンドのパーサーの中で首位です。

リリースにはvLLMおよびクライアント依存関係のインストール手順、ローカル推論とネットワーク経由でのサービス提供の例が含まれています。