Infinity-Parser2 a dépassé DeepSeek-OCR-2 dans l’analyse de documents et a ouvert un jeu de données de 5 millions d’exemples

En juillet 2026, un rapport technique d'Infinity-Parser2 — un modèle multimodal pour l'analyse complète des documents — a été publié sur arXiv. Le modèle a obtenu 87,6% sur olmOCR-Bench et 74,3% sur ParseBench, surpassant DeepSeek-OCR-2, PaddleOCR-VL-1.5 et MinerU2.5, tout en libérant simultanément un corpus de 5 millions de documents annotés à la communauté.

Ce Qu'Infinity-Parser2 Peut Faire

La plupart des systèmes OCR lisent le texte ligne par ligne et se perdent dans les mises en page complexes — tableaux, expressions mathématiques, diagrammes ou formules chimiques. Infinity-Parser2 est entraîné pour résoudre huit tâches simultanément dans une architecture unique : analyse de documents, analyse de mise en page, traitement des tableaux, gestion des formules mathématiques et chimiques, reconnaissance de diagrammes, réponse visuelle à des questions sur les documents (VQA) et compréhension multimodale générale.

Cette approche permet au modèle de restaurer la structure complète d'un document — non seulement en reconnaissant les caractères, mais aussi en comprenant où se trouve le titre, où se trouve la ligne du tableau, où se trouve la formule et dans quel ordre ils doivent être lus.

Le modèle est disponible en deux variantes sous une architecture commune :

• Infinity-Parser2-Flash — optimisé pour une faible latence ; le débit est 3,68 fois supérieur à celui d'Infinity-Parser-7B
• Infinity-Parser2-Pro — précision maximale pour les applications critiques, y compris la documentation scientifique et juridique

Résultats sur les benchmarks :

• olmOCR-Bench : 87,6% — meilleur résultat connu
• ParseBench : 74,3%
• Le modèle a dépassé DeepSeek-OCR-2, PaddleOCR-VL-1.5 et MinerU2.5

D'Où Viennent les Données

La rareté de corpus de haute qualité annotés est un problème chronique dans l'analyse de documents. La plupart des ensembles de données existants ne couvrent que du texte simple ou des types limités de documents et incluent rarement des formules scientifiques ou des structures chimiques. Les auteurs d'Infinity-Parser2 ont résolu ce problème en créant leur propre moteur de synthèse de données : un moteur de rendu contrôlé génère des documents avec des mises en page et une complexité variées, tandis qu'une boucle itérative de raffinement ajoute des annotations détaillées.

Le résultat est le corpus ouvert Infinity-Doc2-5M : 5 millions d'exemples en chinois et en anglais, couvrant des articles scientifiques, des rapports financiers, des manuels techniques et d'autres types de documents. Chaque échantillon est annoté avec des boîtes englobantes d'éléments, des formes canoniques de contenu (Markdown, HTML, LaTeX, SMILES, diagrammes structurés) et l'ordre complet de lecture des pages. Ce niveau de détail se trouve rarement en accès ouvert.

Comment Fonctionne l'Apprentissage par Renforcement Conjoint

Le noyau technique du modèle est un système verifiable de récompenses multitâches. Plutôt que d'entraîner des modèles spécialisés séparés pour l'OCR, les tableaux et les formules, les auteurs appliquent Joint Reinforcement Learning (JRL) : une fonction d'optimisation unique combine huit signaux d'entraînement et permet à un seul agent d'apprendre toutes les tâches simultanément. La vérifiabilité des signaux signifie que le modèle reçoit un retour structuré plutôt qu'un simple score scalaire — cela améliore la stabilité de l'entraînement.

«

Unifier la perception, la structure et le raisonnement dans un seul signal d'optimisation » — le principe architectural clé d'Infinity-Parser2.

Cela la différencie fondamentalement des concurrents entraînés principalement sur des tâches de reconnaissance de texte : Infinity-Parser2 démontre des résultats solides non seulement en OCR, mais aussi sur des tâches spécialisées — analyse de formules chimiques et réponse visuelle à des questions sur les documents.

Ce Que Cela Signifie

La publication d'Infinity-Parser2 avec le corpus ouvert Infinity-Doc2-5M abaisse la barrière d'entrée pour le développement de systèmes d'analyse de documents. Les équipes travaillant avec des archives PDF, des articles scientifiques, de la documentation financière ou juridique ont maintenant accès à un modèle de base compétitif et à des données de qualité pour l'ajustement fin — sans avoir besoin de construire les deux à partir de zéro.

Questions Fréquemment Posées

En quoi

Infinity-Parser2-Flash diffère-t-il de la version Pro ?

Flash est optimisé pour la vitesse : le débit est 3,68 fois supérieur à celui d'Infinity-Parser-7B tout en maintenant une qualité acceptable. Pro se concentre sur la précision — on y a atteint 87,6% sur olmOCR-Bench et 74,3% sur ParseBench.

Quelles langues le dataset Infinity-Doc2-5M supporte-t-il ?

Le corpus est bilingue : chinois et anglais. Il couvre des types de documents variés avec balisage de structure, boîtes englobantes et ordre complet de lecture des pages.