Jina-OCR-v1（arXiv 2609.03181，9 月 4 日周五 digest；Jina AI，合著者韩霄）是文档解析模型：结合 DeepSeek-OCR 式压缩视觉编码器、3B MoE 解码器（每 token 约激活 5.7 亿参数），以及 FastMTP 推测解码头——单个 draft block 在 K=3 个预测步间递归复用；贪婪验证保证解码无损。后训练包含指令对齐、鲁棒性微调，以及用密集可验证奖励做 GRPO（确定性的公式 / 表格 / 结构检查，给部分分）。得分：OmniDocBench v1.6 91.14、olmOCR-Bench 83.4，吞吐 2.57 页/秒（其对比中最高）；FastMTP 让 NVIDIA L4 上的解码速度翻倍。模型已在 Hugging Face 公开。
Jina-OCR-v1：带推测解码的生产级文档解析模型
2026-09-05前沿观察TRIAL
Jina-OCR-v1（arXiv 2609.03181，9 月 4 日周五 digest；Jina AI，合著者韩霄）是文档解析模型：结合 DeepSeek-OCR 式压缩视觉编码器、3B MoE 解码器（每 token 约激活 5.7 亿参数），以及 FastMTP 推测解码头——单个 draft block 在 K=3 个预测步间递归复用；贪婪验证保证解码无损。后训练包含指令对齐、鲁棒性微调，以及用密集可验证奖励做 GRPO（确定性的公式 / 表格 / 结构检查，给部分分）。得分：OmniDocBench v1.6 91.14、olmOCR-Bench 83.4，吞吐 2.57 页/秒（其对比中最高）；FastMTP 让 NVIDIA L4 上的解码速度翻倍。模型已在 Hugging Face 公开。
可用状态：模型公开于 HF jinaai 组织
本文来自既有扫描档案。迁移保留原判断，不代表在迁移时重新核验。
对你意味着什么
这是一份完整可部署的生产配方，面向几乎每条 RAG 流水线都依赖的工作负载：单张 L4 级 GPU 上 2.5+ 页/秒的文档解析，且整个后训练栈（MoE + MTP + 密集奖励 GRPO）有文档、权重公开。正在付 OCR API 账单的团队，可以拿它对照基准做自托管替代方案。
前沿观察
公开材料与效果验证，分开看。
已记录的事实是工作及其材料已公开。论文或作者报告的效果不自动等于独立复现。下一步关注可复用代码、任务设置和第三方验证。
证据与关联材料
技术细节与六维评分
| ArXiv | 2609.03181，2026 年 9 月 4 日周五 digest 宣告 |
|---|---|
| 架构 | 压缩视觉编码器（DeepSeek-OCR 式）+ 3B MoE 解码器（每 token 约 0.57B 激活）+ FastMTP 推测解码头（单个 draft block 跨 K=3 步递归复用，贪婪无损验证） |
| 后训练 | 指令对齐 + 鲁棒性微调 + 密集可验证奖励 GRPO（确定性公式 / 表格 / 结构检查，部分给分） |
| 结果 | OmniDocBench v1.6 91.14；olmOCR-Bench 83.4；2.57 页/秒（其对比最高）；FastMTP 在 NVIDIA L4 上解码翻倍 |
| 可用性 | 模型公开于 HF jinaai 组织 |
技术影响 4
工程价值 5
采用信号 3
成熟度 3
验证成本 2
风险 2