U2-OCR

U2-OCR 是文档解析与信息抽取模型，其解决的问题不止于字符识别，而是在此基础上判定页面各区域的内容类型、保留稳定的版面实例并恢复符合阅读习惯的顺序，把非结构化文档转换为下游可直接消费的 Markdown 正文与版面 JSON。模型同时承载文档分类、通用信息抽取与按 JSON Schema 定制的字段抽取，输入侧支持图像与 PDF，输出侧输出结构化文本与字段级结果。

核心亮点

  • 复杂内容识别
    不仅识别常规印刷文字，还能够处理公式、印章、批注、程序代码、特殊符号等非标准内容，并适应扫描件、复杂背景及多种文档质量。针对论文、合同、票据等内容类型复杂的文档，可在一次解析中完成多类信息识别，减少不同识别工具之间的组合处理。

    典型任务： 论文解析｜合同识别｜票据识别｜复杂扫描件

  • 复杂版式精准解析
    能够识别标题、正文、图表、分栏、列表等版面元素，并结合页面空间关系理解文档结构与阅读顺序，尽可能还原原始文档的层级和内容组织。解析结果可结构化输出为 Markdown、HTML 等格式，便于后续检索、编辑及大模型处理。

    典型任务： 研报解析｜论文解析｜财务文档｜多栏文档

  • 智能文档分类
    在完成文档内容识别的同时，可结合版式、文本内容及关键字段判断文档类型，支持对合同、发票、营业执照、报关单等多类业务文档进行自动分类。无需在识别前预先确定文档类型，可用于混合文档批量处理和自动化归档流程。

    典型任务： 文档归档｜材料分拣｜票据分类｜业务文档识别

  • 通用抽取与定制化 Schema 提取
    支持从复杂文档中提取名称、时间、金额、机构、主体关系等关键信息，并可根据业务需求通过 JSON Schema 定义目标字段和数据结构。无需针对不同文档类型分别开发固定模板，即可将非结构化文档转换为标准化、可直接用于下游系统的数据结果。

    典型任务： 合同字段抽取｜票据信息抽取｜档案结构化｜自定义字段提取

关键信息

项目参数
模型 IDu2-ocr
上下文窗口256K
输入模态PDF、图片（JPG、PNG） 单图 ≤ 10 MB，PDF ≤ 20 MB
输出模态文本、markdown 文档、html

详细介绍

在 Nanonets-KIE、OCRBench_v2_KIE_EN、CC-OCR-KIE 等关键信息抽取基准上，U2-OCR 分别达到 93.1、85.7 和 95.1，在当前对比模型中均取得最高成绩；在综合文档解析基准 OmniDocBench v1.5 上达到 93.5，同样保持较强表现。整体来看，U2-OCR 在复杂文档理解、关键信息抽取与结构化解析等任务上具备较强的综合能力。

OmniDocBench V1.5

93.5
U2-OCR
82.67
Qwen3.5-4B
92.91
Gemini-3-pro
93.9
Qianfan-OCR
95.22
GLM-OCR

Nanonets-KIE

93.1
U2-OCR
82.1
Gemini-3-pro
85.7
GLM-OCR
86.5
Qianfan-OCR
91
Qwen3.5-4B

OCRBench_v2_KIE_EN

85.7
U2-OCR
30.7
GLM-OCR
49.9
Gemini-3-pro
64
Qwen3.5-4B
82.3
Qianfan-OCR

CC-OCR-KIE

95.1
U2-OCR
49.24
GLM-OCR
89.66
Gemini-3-pro
92.8
Qwen3.5-4B
92.8
Qianfan-OCR