开发者 AI 技能与智能体

anaksor-ocr

Sokheng · 工具包

这个模型从文档、收据和路牌照片里读取高棉语和英语文字，用一个检测器找文本行，再用识别器读每一行。适合需要在 Python 里做高棉语 OCR 的开发者。

Unlimited-OCR-2-GGUF

RX5950XT · 工具包

Unlimited-OCR-2 文档 OCR 模型的 GGUF 文件，提供 BF16、Q8_0 和 Q4_K_M，并附视觉投影器。只能在应用了仓库补丁的 llama.cpp 里运行，适合在本地读取扫描和多页文档的人。

pplx-embed-v2-context-9b

perplexity-ai · 工具包

把文本、图像和文档页面转成用于搜索的向量，还能在嵌入每个分块时参考它所在的整篇文档。适合为长文档做检索的开发者。

mSlideOn

lightonai · 工具包

把查询和文档变成可用倒排索引检索的稀疏向量，支持多种语言和长文本。这是一个 339M 参数的多语言检索模型，适合构建搜索的人。

lift

datalab-to · 工具包

从 PDF 和图像中提取结构化数据。你提供一个 JSON 模式，它返回与之匹配的对象。这是 Datalab 的 9.7B 视觉语言模型，适合处理文档的开发者。

Chroma Context-1

chromadb · 工具包

一个 200 亿参数的搜索模型，为复杂的多步问题找出支撑文档，并在搜索中修剪自己的上下文。设计成与更大的推理模型搭配的检索助手。

OvisOCR2

ATH-MaaS · 工具包

文档解析模型：读取一页图像，按阅读顺序输出 Markdown，涵盖文字、公式和表格。约 0.8B 参数，通过 vLLM 运行。适合做文档数字化的开发者。

Qwen2.5-VL-7B-Instruct

Qwen · 工具包

一个视觉语言模型，能把图片、文档和视频与文字问题一起理解并用文字回答。适合围绕图表、扫描件、屏幕和视频片段开发应用的开发者。

Xiaomi-OCR-0-GGUF

prithivMLmods · 工具包

提供 Xiaomi-OCR-0 的 GGUF 文件，这是一个用来读取文档和图片文字的 0.8B 紧凑视觉语言模型，大小从约 466 MB 到 1.52 GB。适合配合 llama.cpp 做本地 OCR。

pplx-embed-v2-late-0.6b

perplexity-ai · 工具包

用 ColBERT 风格的模型给查询与文本、图像和文档页面打分，每个词元保留一个小向量。适合为混合文档搭建搜索的开发者。

SPARSEUP

Linkup-Platform · 工具包

Linkup 推出的 188M 参数英文稀疏检索模型，把查询和文档变成带权重的词表用于搜索。它在 BEIR 上得 56.4 分，是 1.5 亿参数以下公开结果中最好的。

SlideOn

lightonai · 工具包

LightOn 推出的英语稀疏检索模型，把查询和文档变成稀疏向量，用于倒排索引搜索。适合做英文文本检索的搜索工程师和开发者。

Kev-4B

jaredpalmer · 工具包

读取一份文档和带类型的问题，一次计算就为每个答案选项返回校准过的概率，不生成文字。这是基于 Qwen3.5-4B 的决策模型，适合需要给文档分流、分诊或检查的开发者。

Qwen2.5-VL-7B-Instruct-GGUF

unsloth · 工具包

Unsloth 制作的 Qwen2.5-VL-7B-Instruct 的 GGUF 文件，这个视觉语言模型能读图像、图表、文档和长视频，还能输出坐标和结构化数据。适合在本地运行它的人。

MiniCPM-OCR 1.0

openbmb · 工具包

OpenBMB 的 1.3B 模型，能读取英语和中文文档，解析文字、表格、公式、图表和印章，并提取关键字段。

KURE-Sparse-nano

nlpai-lab · 工具包

一个紧凑的韩英稀疏检索模型，把查询和文档变成稀疏向量，用于倒排索引搜索，适合做韩语搜索的团队。

bge-m3

BAAI · 工具包

把 100 多种语言的文字转成向量用于搜索，从短句到 8192 词元的文档都行。一个模型同时支持稠密、多向量和稀疏检索。由 BAAI 发布。

Hy4-preview

tencent · 工具包

用一个 770B 参数的混合专家模型生成文字、代码和文档，它激活 49B 个参数，支持最长 1M 的上下文。适合有硬件来托管超大开放权重的团队。

Xiaomi-OCR-0

xiaomi-research · 工具包

用 Xiaomi 的一个 0.8B OCR 模型解析文档，并回答关于图片中文字的问题，涵盖表格、公式和手写，适合构建 OCR 和文档工具的开发者。

Unlimited-OCR-2

baidu · 工具包

百度的 3.3B 文档解析模型，面向长文档，用 SR-SWA 注意力让解码成本几乎保持不变，提供 Transformers 和 SGLang 两条使用路线。适合要把长报告和书籍数字化的团队。

EmbeddingGemma 2 in the Browser

Caspivs · 工具包

在浏览器里为文档排序、跨语言比较句子，并用文字搜索你自己的图片，你输入或上传的内容不会离开你的设备。适合探索嵌入的人。

MinerU Document Extraction Tools

opendatalab · 工具包

用运行在 ZeroGPU 上的 MinerU 演示，从 PDF、Office 文件和其他文档里提取内容。适合把文档变成结构化文本的开发者和数据团队。

MiniCPM-V 端侧多模态模型

OpenBMB · 工具包

OpenBMB 的开源多模态模型。MiniCPM-V 4.7 能读图片、文档和视频，MiniCPM-o 4.5 还能听、能说。安装说明涵盖 Transformers、Ollama、llama.cpp、vLLM、SGLang、托管 API 和手机应用。

RAGFlow 检索增强生成引擎

infiniflow · 工具包

InfiniFlow 的开源 RAG 引擎，带智能体功能。你把文档载入数据集，RAGFlow 读出版面、文字和表格，聊天时给出带引用的回答。安装说明覆盖 Docker、源码构建、本地模型、MCP 和 API。