LightOnOCR-3-0.8B

LightOnOCR-3-0.8B

LightOn 的 0.8B 小型 OCR 模型，把页面图片读成 markdown，在 grounding 模式下还会给每个区块标上边界框。是 LightOnOCR-3 系列中快速、轻量的尺寸。

由 lightonai 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：LightOnOCR-3-0.8B 是 LightOn 的 LightOnOCR-3 系列 OCR 模型中最小的一个。它读取页面图片并写出文字，还能说出每个区块在页面上的位置。

它是一个模型，而不是多步骤的文档处理流水线。模型卡说它能应付收据和表单、表格和图表、分栏排版的页面，以及数学公式。0.8B 版本沿用 Qwen3.5 视觉语言设计，模型卡说这样更容易集成，也更快。

适合谁：适合需要在自己的应用里做快速 OCR 和页面理解的开发者，以及想要结构化输出、又不想用大模型的文档数字化团队。

Industry | Who uses it | How they use it | Example
金融 | 后台团队 | 读取收据和表单 | 把扫描的收据转成文字
法务和行政 | 档案团队 | 把多栏文档数字化 | 把印刷报告转成 markdown
软件 | 应用开发者 | 给产品加入页面理解 | 从上传的页面里提取表格
研究 | 数据团队 | 把图表数据提取成表格 | 把一张图表图片变成数据表

如果你需要最高的准确度，因为模型卡把 4B 模型列为大多数任务的最佳选择，或者你只处理纯文本文件，可以跳过它。

用在哪里：它在 Python 里通过 transformers 库加载，该系列还有 1B 和 4B 两种尺寸。

• 装有 transformers 的 Python
• Windows、macOS 和 Linux
• 输入页面图片、输出 markdown 的流水线

Use case | Who | What they get back
页面转写 | 开发者 | 以 markdown 形式给出的页面文字
版面定位 | 数据团队 | 带标签和边界框的每个区块
图表转表格 | 分析师 | 图表数据点的 HTML 表格
图片说明 | 检索团队 | 每张图片的简短描述

如何设置：你需要 Python 和 Hugging Face 工具。模型很小，BF16 下约 1.7 GB，大多数现代机器都放得下。

• 带 pip 和 transformers 的 Python
• 约 1.7 GB 磁盘空间
• 有 GPU 会更快

1. 用 pip 安装 Hugging Face 的 hub 工具。
2. 用 hf 命令下载模型文件。
3. 用 transformers 加载模型，并给它一张页面图片。

pip install -U huggingface_hub
hf download lightonai/LightOnOCR-3-0.8B

如何使用：用空提示词传入页面图片，就能得到 markdown 形式的页面文字，这是默认模式，与 LightOnOCR-2 相同。把 grounding 这个词作为提示词传入，还能得到标签和边界框。

Mode | What you get
空提示词 | 页面上所有文字，以 markdown 形式
grounding 提示词 | 带标签和边界框的每个区块，外加图片描述和图表表格

在 grounding 模式下，每个区块以一个占位符开头，显示它的类型和边界框，页面坐标缩放到 0 到 1000。模型卡里的示例如下。

![title](80,70,920,140)
# Company report 2025

![text](80,175,920,225)
Revenue rose 20%.

![image](80,285,460,545)
A solar-powered factory.

![chart](540,285,920,545)
<table>
  <tr><th>Year</th><th>Revenue</th></tr>
  <tr><td>2024</td><td>€10M</td></tr>
  <tr><td>2025</td><td>€12M</td></tr>
</table>

示例：你用 grounding 提示词发送一张公司报告页面的图片。你会得到标题区块、说明收入增长 20% 的文本区块、带简短描述的图片区块，以及作为表格的图表区块。

新手与专家：如果你是新手，先对一张清晰的页面图片使用空提示词，看它返回的 markdown。接着试试 grounding 提示词，看标签和边界框。

如果你熟悉这个领域：区块标签包括 text、title、list、header、footer、page number、footnote、caption、formula、code 和 table，另外还有 image 和 chart 区块。边界框的坐标归一化到 0 到 1000，所以与图片尺寸无关。

页面图片输入
空提示词或 grounding 提示词
模型读取版面和文字
输出 markdown，grounding 模式下带标签和边界框

注意事项：这个系列有三种尺寸，0.8B 是快速高效的那个。模型卡说所有模型都以 Apache 2.0 发布，可用于研究和商业。

• License: Apache 2.0，可用于研究和商业
• Cost to run: 未提及费用
• Data it reaches: 你给它的页面图片，以及你下载的模型文件
• Not for: 最高准确度，因为模型卡对大多数任务推荐 4B 模型

Hugging Face 上的数据（2026年11月13日）

• 任务：image text to text
• 框架：transformers
• 参数量：853M
• Weights: about 1.7 GB in BF16; about 426 MB at 4-bit (estimate)
• Formats: Safetensors
• 最近 30 天下载：13,965
• 点赞：99
• 许可证：apache-2.0
• 语言：en
• Quantized versions: 17
• Fine-tunes: 4
• 标签：transformers, safetensors, qwen3_5, image-text-to-text, document-understanding, visual-grounding, vision-language, tables, forms, conversational

链接

• 模型：https://huggingface.co/lightonai/LightOnOCR-3-0.8B
• 文件：https://huggingface.co/lightonai/LightOnOCR-3-0.8B/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 lightonai/LightOnOCR-3-0.8B

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。