FireRed-OCR：小红书开源文档结构解析视觉语言模型

FireRed-OCR是什么

FireRed-OCR是由小红书团队开发的一款轻量级文档解析视觉语言模型。该模型以仅20亿参数的规模，在权威评测OmniDocBench v1.5中取得了92.94%的综合得分，这一成绩超过了包括GPT-5.2、Gemini-3.0 Pro和Qwen3-VL-235B等在内的诸多超大规模模型，实现了“小模型击败大模型”的显著突破。FireRed-OCR基于Qwen3-VL-2B-Instruct架构，并采用了创新的三阶段渐进式训练策略。该模型专为解决文档解析中的“结构幻觉”问题而设计，能够准确识别并提取复杂表格、数学公式和层级标题等关键内容，并将其转换为规范化的Markdown格式。

FireRed-OCR的主要功能

• 复杂表格提取：能够从杂乱无章的PDF文件或扫描文档中精准识别并提取表格结构，确保行列对应关系准确无误，有效避免传统OCR技术常见的表格错位和信息混乱问题。