腾讯POINTS-Reader：极简中英文档转换新工具-平芜编程栈

腾讯POINTS-Reader：极简中英文档转换新工具

【免费下载链接】POINTS-Reader腾讯混元POINTS-Reader：端到端文档转换视觉语言模型，结构精简无需后处理。支持中英双语提取，OmniDocBench英文0.133、中文0.212高分。采用600M NaViT实现高吞吐量，已支持SGLang部署，vLLM支持即将推出。EMNLP 2025主会收录，开源两阶段数据增强策略，轻松实现文档图片转文本项目地址: https://ai.gitcode.com/tencent_hunyuan/POINTS-Reader

导语

腾讯混元团队正式发布端到端文档转换视觉语言模型POINTS-Reader，以结构精简、无需后处理的特性，在中英文文档提取任务中取得OmniDocBench英文0.133、中文0.212的优异成绩，为企业级文档处理提供高效解决方案。

行业现状

随着数字化转型加速，文档智能处理已成为企业提效的关键环节。传统OCR工具普遍存在多模块拼接、后处理复杂、多语言支持不足等问题，而通用视觉语言模型(VLM)在专业文档场景下又面临精度与效率的平衡难题。据行业研究显示，企业在文档数字化过程中，约30%的时间消耗在格式转换和信息校对上，尤其在包含公式、表格的复杂文档处理中效率低下。

当前市场上主流解决方案大致分为两类：一类是PaddleOCR等管道式工具，需多步骤处理且对复杂排版适应性有限；另一类是基于大模型的专业工具如MinerU，虽性能优异但模型规模较大，部署成本较高。在此背景下，兼具轻量化与高精度的文档转换工具成为行业迫切需求。

产品亮点

极简架构设计

POINTS-Reader采用高度精简的端到端架构，完全遵循POINTS1.5模型结构，仅将语言模型替换为更轻量的Qwen2.5-3B-Instruct。输入仅需固定提示词与文档图片，输出直接为最终提取文本，彻底消除传统流程中的后处理环节，显著降低系统复杂度与部署成本。这种"即输入即输出"的设计理念，使开发者能以最小成本集成文档转换能力。

中英双语卓越性能

在权威文档理解基准OmniDocBench上，POINTS-Reader展现出强劲竞争力：英文任务取得0.133的总体编辑距离（越低越好），中文任务达到0.212的高分，尤其在表格提取任务中表现突出，英文Table TEDS指标达到83.7，中文更是高达85.0，超越多数专业OCR工具。这一性能使其能无缝应对中英文混合文档，满足跨国企业的多语言处理需求。

高效推理能力

模型采用600M参数的NaViT视觉编码器，在保证精度的同时实现了高吞吐量。目前已支持SGLang部署框架，vLLM支持即将推出。这种优化使POINTS-Reader在普通GPU环境下即可实现高效推理，相比同类模型降低约40%的计算资源消耗，特别适合对实时性要求较高的业务场景。

创新数据增强策略

POINTS-Reader开源了独特的两阶段数据增强技术：第一阶段利用自动化数据赋予模型基础文档提取能力，第二阶段通过持续自进化提升模型生成数据质量。这种方法不仅提升了模型性能，其自进化机制还具有高度可扩展性，可应用于其他各类模型的训练优化，为行业提供了新的技术思路。

行业影响

POINTS-Reader的推出将重塑文档智能处理的技术格局。对于金融、法律、教育等文档密集型行业，其高精度表格与公式提取能力可将合同审核、报表分析等工作效率提升50%以上；在出版与内容创作领域，中英文混排文档的一键转换功能将大幅降低排版成本；而轻量化设计使中小企业也能负担得起企业级文档处理能力，推动AI技术的普惠应用。

该模型已被EMNLP 2025主会收录，其技术思路为视觉语言模型的领域适配提供了新范式——无需知识蒸馏即可实现专业任务优化。随着SGLang和即将支持的vLLM部署方案，POINTS-Reader有望成为文档处理API服务的新标杆，推动行业向更高效、更低成本的智能文档处理方向发展。

结论与前瞻

POINTS-Reader以"极简架构、卓越性能、高效部署"三大特性，打破了文档转换工具中"精度-效率-成本"的不可能三角。其开源策略不仅提供了可直接应用的文档处理解决方案，更分享了创新的数据增强方法，为行业技术进步贡献价值。

未来，随着多语言支持的扩展和复杂文档处理能力的提升，POINTS-Reader有望成为连接物理文档与数字信息的关键桥梁。对于企业用户，建议关注其在财务报表自动化、学术文献处理等场景的落地应用；开发者则可基于其开源技术探索更多垂直领域的文档智能处理创新。腾讯混元团队在视觉语言模型领域的持续深耕，正推动AI技术从通用能力向专业场景的深度渗透。

创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考