腾讯发布了 WeVisDoc-4B，这是一款用于页面图像的端到端文档解析器，可将页面转换为包含 LaTeX 公式和 HTML 表格的结构化 Markdown。该模型基于 Qwen3-VL-4B-Instruct 进行微调，在 OmniDocBench v1.6 上取得了 95.38 的总体得分，并在所有四项报告的设置中位居被比较的解析器之首。

  • WeVisDoc-4B 基于 Qwen3-VL-4B-Instruct 进行微调。
  • 它输出结构化 Markdown、LaTeX 公式和 HTML 表格。
  • 该模型在 OmniDocBench v1.6 上取得了 95.38 的总体得分。
  • 在所有四项报告的设置中，它在被比较的端到端解析器中领先。

此次发布包括 vLLM 和客户端依赖项的安装说明，以及本地推理和网络服务部署的示例。