rakedoc-nano-2

rakedoc-nano-2

把文档页面图片解析成文字、表格和图表，并保留 markdown 格式。这是 1.2B 参数的模型，图表提取更好，适合构建文档流水线的开发者。

由 cloudraker 在 Hugging Face 上制作。这些说明是 Mindket 根据它的模型页面和模型卡写的，模型自己的文件和许可证在 Hugging Face 上。

简介

它是什么：rakedoc-nano-2 是基于 Qwen2-VL 架构的 1.2B 参数文档解析器。CloudRaker 从 KDL-Frontier-Parser-nano-v2 微调而来，改进了图表提取和文字格式。调整后的权重已经以 bf16 合并进模型，所以没有需要单独加载的适配器。它为 CloudRaker 的 Paperwork API 的文档解析流水线提供动力。

适合谁：它适合把页面图片解析成结构化文本、想要一个能自行托管的小模型的开发者和数据团队。

Title: 谁可能用到它
行业 | 谁在用 | 怎么用 | 例子
后台运营 | 数据团队 | 把页面图片变成结构化的 markdown | 一页同时有表格和图表的报告
文档 AI | 开发者 | 在自己的服务后面自行托管一个小型解析器 | 在现有环境中替换 KDL-Frontier-Parser-nano-v2
基准测试 | 研究者 | 在 ParseBench 上给文档解析器打分 | 阅读总体、表格和图表的分数

需要高亮文字、或在报告类文档之外工作的人可以跳过，因为模型卡说它从不输出高亮，其他领域也没有测试过。

用在哪里：

• vLLM 服务器：模型卡给出了启动命令
• 单块 GPU：模型卡的基准测试用的就是一块
• ParseBench：模型卡展示了如何针对本地端点运行它的流水线
• Windows、macOS 或 Linux：用 Python 下载文件

Title: 它能做的事
用途 | 适合谁 | 得到什么
页面解析 | 开发者 | 从页面图片中读出的文字、表格和图表
表格提取 | 数据团队 | OTSL 格式的表格输出
图表提取 | 分析师 | 报告页面中的图表内容

如何设置：你需要先准备：

• Windows、macOS 或 Linux 上的 Python
• vLLM，用来提供模型服务
• 一块能容纳约 2.3 GB BF16 权重的 GPU

1. 安装 Hugging Face hub 软件包。
2. 下载模型文件。
3. 用模型卡的启动命令，通过 vLLM 启动模型。

pip install -U huggingface_hub
hf download cloudraker/rakedoc-nano-2

模型卡给出了下面这条命令来提供模型服务。你可以在原来运行 KDL-Frontier-Parser-nano-v2 的地方直接换上它。

vllm serve cloudraker/rakedoc-nano-2 --served-model-name rakedoc-nano-2 \
  --max-model-len 8192 --gpu-memory-utilization 0.85 --max-num-seqs 24 \
  --trust-remote-code --limit-mm-per-prompt '{"image":1}'

如何使用：用 KDL-Frontier-Parser-nano-v2 使用的阶段提示词，向运行中的服务器发送页面图片。模型每次请求读取一张图片。

Title: 阶段提示词
工具 | 作用
Layout Detection | 找出页面的版面
Text Recognition | 读出文字，包括格式标记
Table Recognition | 读出表格，并以 OTSL 输出作答

示例：你用 vLLM 提供模型服务，并用 Table Recognition 提示词发送一张页面图片。返回的是 OTSL 输出的表格。

新手与专家：如果你刚接触，可以把它看作一个会看页面图片、写出其中文字、表格和图表的阅读器。先启动服务，再发送一张清晰的页面。

如果你熟悉这个领域，这个模型对 KDL v2 的两个独立调整版本做权重平均，比例为 0.7 和 0.3。一个针对格式标记，在文字识别上用 GRPO。另一个针对图表，先做短暂的 SFT 热启动，再在图表阶段用 GRPO。模型卡说 ParseBench 只用来在已完成的候选模型之间做选择。

用阶段提示词发送页面图片
模型回答版面、文字或表格
流水线写出 markdown 输出

注意事项：模型卡报告了 ParseBench 上 3 次运行的平均值，并与 KDL-Frontier-Parser-nano-v2 作了比较。

Title: ParseBench 总体分数
rakedoc-nano-2: 80.09 分
使用相同流水线的 KDL v2: 79.74 分
使用自己流水线的 KDL v2: 79.06 分

• License: agpl-3.0，继承自 KDL 权重，仓库里有 LICENSE 和 NOTICE 文件
• Cost to run: 未提及，不过模型卡提到了 CloudRaker 的 Paperwork API，这个模型为它提供动力
• Data it reaches: 你发送给自己运行的服务器的页面图片
• Not for: 高亮文字，因为从不输出；以及 ParseBench 和合成数据之外的领域，那些没有测试过

Hugging Face 上的数据（2026年11月13日）

• 任务：image text to text
• 框架：transformers
• 参数量：1.2B
• Weights: about 2.3 GB in BF16; about 578 MB at 4-bit (estimate)
• Formats: Safetensors
• 最近 30 天下载：543
• 点赞：6
• 许可证：agpl-3.0
• 基于：KDLAI/KDL-Frontier-Parser-nano-v2
• Quantized versions: 1
• 标签：transformers, safetensors, qwen2_vl, image-text-to-text, document-parsing, table-extraction, chart-extraction, parsebench, conversational

链接

• 模型：https://huggingface.co/cloudraker/rakedoc-nano-2
• 文件：https://huggingface.co/cloudraker/rakedoc-nano-2/tree/main

获取模型

用 Hugging Face 的命令行下载它的文件：

pip install -U huggingface_hub
hf download cloudraker/rakedoc-nano-2

然后按它的模型卡使用它。这个工具包里没有会自己运行的东西。