Глеб Кудрявцев — мастер AI

Я знаю, вы обожаете OCR модельки прямо как я 😁 А выходят они не реже, чем LLM, так-то. Фиг уследишь. Поэтому что? Правильно. Новая SOTA каждый день. На этот раз в рейтинге вылез Infinity Parser 2 Хорошо — полный оупенсорс, можно юзать для коммерции. Плохо — модель жирная, аж 35B, и чатик говорит, что жрет две видеокарты. Хз насколько правда, попробую может запустить на макбуке, но не особо верю в чудеса. В целом, из OCR топов почти все это VL модели, то есть архитектура LLM спецом приспособленная для зрения. Скорее всего они в итоге победят "аналитические" модели старой формации, а потом и вовсе сольются в едином экстазе со своими старшими ЛЛМ-комбайнами. Но важно: для OCR важна скорость, посему нужны мелкие дистилляты. Мой сервис сейчас имеет в ядре Paddle на 0.9B параметров, и это конечно совсем не то же самое что гонять жирные квены. Все баги вчерашнего дня, кстати, пофиксил. Работает четенько. Как попробую этот инфинити в деле— отпишусь.