Jina AI представила модель jina-ocr-v1 на 3 млрд параметров для распознавания документов на английском и китайском языках, оптимизированную для запуска на недорогих системах. Модель принимает скан, фотографию или PDF и выдаёт структурированный Markdown с поддержкой LaTeX, распознаёт таблицы и формулы, подписывает изображения, отвечает на вопросы по документу и извлекает ключевые поля. В основе лежит визуальный энкодер DeepEncoder на 380 млн параметров и декодер-смесь экспертов с 570 млн активных параметров. По скорости обработки модель заняла первое место среди 14 систем в тестах, но лицензия CC BY-NC 4.0 ограничивает коммерческое использование. Jina AI выпустила модель jina-ocr-v1 на 3 млрд параметров, которая предназначена для распознавания и разбора документов на английском и китайском языках и рассчитана на локальный запуск на недорогих системах. Модель принимает на вход скан, фотографию или PDF-файл и на выходе выдаёт структурированный Markdown с поддержкой LaTeX, что позволяет сразу использовать результат в научных статьях, технической документации и образовательных материалах. Помимо полной транскрипции текста система распознаёт отдельные таблицы и математические формулы, автоматически подписывает изображения, отвечает на вопросы по содержимому документа и извлекает ключевые поля, такие как заголовки, авторы, даты и ссылки. В основе архитектуры лежит визуальный энкодер DeepEncoder на 380 млн параметров, который сжимает страницу до 256 визуальных токенов и при необходимости добавляет до девяти фрагментов по 100 токенов для детального разбора сложных участков. Декодер представляет собой смесь экспертов на 3 млрд общих и 570 млн активных параметров. Вклад Jina AI — внедрение спекулятивного декодирования FastMTP, где один общий блок предлагает три токена вперёд, а декодер принимает самую длинную часть, совпадающую с его собственным выбором, что ускоряет генерацию. Эта технология работает только в vLLM 0.21 и новее, а без локальной установки модель доступна через Jina Reader и онлайн-песочницу по API-ключу. В тестах на бенчмарке olmOCR-Bench модель набрала 83,4 балла, что на 7,4 пункта выше оригинальной DeepSeek-OCR и выше 8B-модели olmOCR-2 с результатом 82,4, но ниже chandra-ocr-2 (85,8) и dots.mocr (83,9). На OmniDocBench v1.6 результат составил 91,14 против 90,25 у DeepSeek-OCR-2, однако более компактные PaddleOCR-VL-1.6 (96,34) и HunyuanOCR-1.5 (94,74) показали лучшие значения. По пропускной способности jina-ocr-v1 заняла первое место среди 14 систем: 2,57 страницы в секунду на одной A100 при 32 параллельных запросах. На GPU L4 FastMTP ускоряет генерацию в 1,95 раза в обычном режиме, но с CUDA-графами прирост падает до 1,17 раза. Модель распространяется под лицензией CC BY-NC 4.0, что запрещает коммерческое использование без отдельного соглашения.