Publié le 30 juin 2026
Famille de modèles vision-encodeur-décodeur de NVIDIA pour la compréhension de documents en local : markdown, formules LaTeX, bounding boxes et classe sémantique par élément, dans l'ordre de lecture. ViT-H (C-RADIO) + décodeur mBART à 10 blocs, tous sous le milliard de paramètres. En local via vLLM (v0.20–v0.26 pour la 2.0) ou Transformers, sur GPU NVIDIA (Turing à Blackwell).
Versione attuale (~903M di parametri): OCR multilingua esteso con grandi guadagni su CJK e scritture indiche (IndicVisionBench ANLS 0.06→0.72), miglioramento del manoscritto, patch per i pesi legati in vLLM. Supporta vLLM v0.20–v0.26, validato con v0.20.0.
Miglioramento dell'estrazione su pagine miste e scrittura informale; disponibile in vllm main (immagine vllm-openai v0.14.1).
Rilascio iniziale (~957M di parametri): markdown, LaTeX, bounding box e classi semantiche nell'ordine di lettura; paper arXiv 2511.20478. In locale via vLLM (immagine vllm-openai v0.14.1) e validato anche con vLLM 0.20.1.
Visitez le site officiel pour télécharger, vous documenter et commencer à utiliser NVIDIA Nemotron Parse (famiglia OCR).
Modèle MoE de DeepSeek avec 552B de paramètres au total et 8 à 16B actifs par token. Contexte de 1M de tokens, licence MIT : usage commercial libre. Conçu pour le service en ligne, trop grand pour un usage local sur un seul PC.
Le modèle d'images open le plus avancé : adhérence au prompt excellente, anatomie solide et fine-tuning complet. La référence pour les usages sérieux.
Génération en très peu d'étapes avec une haute qualité et un excellent rendu du texte. La version distillée de FLUX, pensée pour la vitesse.
