93.92% 到底强在哪？把 OCR 评测里的三个分数拆开看，才明白这个数字有多难

93.92% 到底强在哪把 OCR 评测里的三个分数拆开看才明白这个数字有多难【免费下载链接】Unlimited-OCR-2项目地址: https://ai.gitcode.com/hf_mirrors/baidu/Unlimited-OCR-2最近科技圈刷屏的一个数字是93.92%。百度开源的 Unlimited-OCR 在 OmniDocBench 上拿到这个分数把不少参数大它几十倍的模型甩在身后。朋友圈里的说法一个比一个猛“3B 小模型吊打 235B”“OCR 进入无限解析时代”。但普通人看到 93.92%第一反应其实是这跟我有什么关系关系很大。因为如果你把这三个数字拆开看就会明白它到底解决了什么麻烦事——也能明白为什么有些号称“准确率 99%”的工具你真用起来还是想砸键盘。一、先泼盆冷水这个分数不是“认字准确率”很多人以为 OCR 的准确率就是“100 个字里认对几个”。不是的。今天这类文档解析模型干的活早就不是认字了。它要做的是把一张扫描页“翻译”成一份能直接复制、能进知识库、能改成 Markdown 的结构化文档标题是标题正文是正文双栏要按正确顺序读表格要还原成表格公式要写成能渲染的样子。所以 93.92% 指的是在“把整页文档还原成结构化内容”这件事上它的综合得分。这个分数来自一个叫 OmniDocBench 的公开考卷。这份卷子有点狠覆盖学术论文、教材、财报、幻灯片、甚至手写笔记和排版密得像蚂蚁的报纸一共九类文档来源、近千页真实页面、十九种版面类型。换句话说它不是拿几张干净的打印纸糊弄你是把“现实世界里最难搞的那堆纸”摆在你面前。这也是第一个要提醒的地方总分是个平均数而平均数最会骗人。一个模型总分 93 分可能意味着“论文 96 分、报纸 88 分、手写 80 分”。你要是正好做手写单据这个 93 分对你几乎没意义。二、第一个分数文本编辑距离 0.038翻译成人话是什么这是三项里最接地气的一项。想象你请了一个人帮你抄书。他抄完你拿原书逐字比对看看要改多少处——多写的删掉、漏掉的补上、写错的改掉一共动了多少刀。这就是“编辑距离”。数值越低越好。Unlimited-OCR 做到0.038。翻译一下一千个字里大概有 38 个字需要你动手改。上一代被它超越的 DeepSeek-OCR 是 0.073也就是一千字要改 73 个。你可能觉得38 和 73差三十几个字好像也没多夸张那我们把尺度放大。一本 300 页的书差不多 30 万字。按这个比例就是一万多处要改和两万多处要改的区别。一万多处是“逐页校对到怀疑人生”两万多处是“这活我干脆自己重打一遍”。更关键的是错误类型。抄错一个“的”和抄错一个金额、一个小数点后果完全不是一个量级。所以后面两项指标才是真正拉开差距的地方。三、第二个分数公式 CDM 92.61专治“看着像其实全错”公式是文档里最刁钻的东西。它不是一个字一个字横着排的它是二维的有上下标、有分数线、有根号罩着一长串、有矩阵方阵。你打字都打不利索更别说让 AI 从一张模糊扫描图里认出来。公式这一项用的指标叫CDM你可以把它理解成“拆乐高”。它不看整句像不像而是把公式拆成一个个零件——这个符号是什么、它站在哪个位置、它属于上面那层还是下面那层然后逐个核对。零件对、位置也对才算对。Unlimited-OCR 在这项上从 83.37 提到92.61。为什么值得单独说因为公式错一个下标整段推导就废了。一篇论文里的公式你抄成 x² 还是 x³读者可能看不出但拿去复现实验的人会直接崩溃。学生党拿它整理教材、研究生拿它啃文献、老师拿它做课件这一项才是“能不能真用”的分水岭。四、第三个分数表格 TEDS 90.93错一个格子账就对不上表格的难点不在字在关系。哪一格是表头、哪一行是合计、哪两个格子合并了、跨页断开的表格要不要接上——这些关系一旦错位出来的东西就是“每个字都对但整张表是错的”。表格这一项用TEDS衡量通俗讲就是把表格看成一棵家族树比较模型交出的树和标准答案的树有多像。层级、归属、合并关系越接近分越高。Unlimited-OCR 从 84.97 提升到90.93。这个提升有多实在做过财务、审计、投标的人都懂一张报价单三个合并单元格错一个整行数据就往右串了一格。金额跑到数量下面单价跑到备注里。你打开文件一看“数字都在”但对不上账。这种错最要命——它不报错不提醒安安静静躺在那里等你签字。所以别小看这 6 分。它不是“更好看”它是“更敢直接拿去用”。五、三项拆完才看懂总分为什么难涨总分是把文本、公式、表格按权重揉在一起算的。而文本在文档里占绝对多数所以文本分一旦接近满分总分想再往上拱就只能靠公式和表格这两块硬骨头。这就解释了一个反常识的现象从 v1.5 的 93.23% 到 v1.6 的 93.92%只涨了0.69 个百分点。听起来像在原地踏步实际上是在“已经 90 多分”的基础上再往上抠——越往上越难跟你考试从 60 分提到 80 分容易、从 95 提到 98 分难于上青天是一个道理。这里还有个必须说清的坑v1.5 和 v1.6 不是同一张卷子。网上很多对比表格把不同版本的分数直接摆在一行里横着比看着热闹其实不太严谨。你下次看到“某某模型 93.92”可以顺手问一句哪个版本、哪个测试集问完你会发现一半的“碾压”就没那么夸张了。六、同一个模型页数一多分数就掉这才是真实体验单页成绩漂亮不代表一本 200 页的标书也能一路顺风。官方自己公布的长文档数据反而更值得看单页编辑距离 0.038一次喂 20 页涨到 0.057一次喂 40 页以上控制在 0.11 以内看明白了吗页数越多错误密度是会上升的。这不是黑它这恰恰是坦诚。传统做法是“一页一页跑再拿程序把结果缝起来”缝的时候跨页表格断了、页眉页脚混进正文、章节顺序乱了那些错误根本不在统计里。而它是把几十页当成一整份文档读跨页的表格能接上前后章节能对上号。代价就是页数变长后精度会有一定回落——但至少它没有“失忆”。还有一个细节挺有意思长文档模型最大的毛病是“复读”。写着写着开始车轱辘话来回说一段话重复三遍。官方用了一个叫 Distinct-35 的指标盯这个做到97%意思是基本不会陷入复读循环。这一点比多认对几个字重要得多。七、重点来了怎么把榜单分数换成你自己的验收标准这部分是本文最想说的。公开榜单是别人的考卷你的业务是自己的考卷。给你一套能直接照做的“土办法”第一步别信榜单抽自己家的纸。从你真实的文档里抽 50 到 100 页——最脏、最旧、最歪、盖章最多的那种。别挑演示用的漂亮样本那是在自欺欺人。第二步算清“错一个字值多少钱”。合同、发票、病历上的金额、编号、日期属于零容忍错一个就要人工全量复核。 小说、公众号素材、会议记录错几个字无伤大雅反正后面还要编辑。 同样是 0.038 的编辑距离在这两个场景里一个是“勉强能用”一个是“完全够用”。第三步分类型定线别用总分验收。文本一项定一条线公式一项定一条线表格一项定一条线。 你的业务如果全是财务报表那表格分就是命门文本分再高也救不了你。 如果是学术论文公式分才是关键表格差一点可以人工补。第四步重点抽查“最不像考卷”的部分。榜单里论文、教材占大头而现实里最难的是手写批注、复印件、盖章遮挡、双栏混排、跨页大表。 这些才是翻车高发区也是你验收时最该盯的地方。第五步别只看字看结构。标题层级对不对阅读顺序对不对双栏有没有串行列表有没有塌成一段 这些错了进知识库之后检索全是噪声比错几个字更麻烦。说到底一个 93.92 分的模型在你手里可能是 96 分也可能是 78 分。决定权不在榜单在你的纸。八、普通人想试试门槛到底高不高好消息是这一代的门槛已经降到“普通人够得着”了。这个模型总参数 3B实际干活时激活的只有 570M 左右属于“小个子”。社区里已经有 RTX 4060 这类 8G 显存显卡跑起来的便携包塞进 U 盘就能带走苹果 M 系列芯片也有量化版本体积压到两三个 G本地就能跑文档不上传隐私更放心。懒得折腾的官方在 Hugging Face 上有在线体验页传张图就能看效果连装都不用装。适合谁自媒体和做资料整理的人把扫描 PDF 一键变成能编辑的文字学生和研究者教材、论文、讲义转成结构化笔记公式表格不塌财务、法务、行政合同、报表、标书整本解析重点是表格别错位科技发烧友本地部署自己拿真实文档“考”它一遍。不适合谁只偶尔识别一张发票、一张身份证的手机自带的功能就够了没必要上大模型。九、写在最后93.92% 这个数字最大的价值不是用来吹而是用来拆。拆开看你会看到文本已经逼近“抄写不出错”的天花板公式和表格才是真正啃下来的硬骨头你会看到页数一多精度还是会掉没有神话你也会看到一个只有别人零头大小的模型靠“抄书时只看原文和刚写的几行”这种特别像人的思路把长文档这件事做通了。分数是给排行榜看的错误率才是你自己要承受的。所以真正该问的不是“它有没有 93.92”而是——如果把你的活儿交给它你最放心不下的是哪一页是那份跨了三页、合并单元格一堆的报价单还是那本公式密到看不清下标的旧教材欢迎在评论区说说你最想让它先啃下哪种文档。【免费下载链接】Unlimited-OCR-2项目地址: https://ai.gitcode.com/hf_mirrors/baidu/Unlimited-OCR-2创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考