Surya 2.5

Surya 2.5 是 Datalab 于 2026 年 10 月 29 日发布的 6.89 亿参数开源 OCR / 版面解析模型：全页一次读出文本、表格（HTML）、公式（LaTeX）与阅读顺序。相对 Surya 2 吞吐约 1.7×，OmniParseBench 头条分 85.9（官方称 1B 以下开源最高）。

博客：Surya 2.5 · 权重：datalab-to/surya-ocr-2.5 · 包：pip install surya-ocr

要点

1. 速度：单卡 H100、192 DPI、32 并发约 4.5 页/秒（Surya 2+MTP 约 2.7）。
2. 精度：OmniParseBench 85.9（文本/表格/版面均提升）；olmOCR-bench 约 83.7；循环卡死率约 0.1%（Surya 2+MTP 约 3.8%）。
3. 多语：91 语言评测；词表扩至约 8.85 万（含 emoji 与数学字母），单页输出 token 约少 2.6×。
4. 许可：代码 Apache 2.0；权重为修改版 OpenRAIL-M（研究/个人/营收<$5M 创业公司可用）。
5. 限制：表格仅 HTML、无单元格坐标；旧扫描件与部分语言仍难。

为什么收录

竞品站点 sitemap 新增 /blog/surya-2-5，同日有完整发布博文与 HF 权重；雷达库此前未收录 Surya 产品线。

怎么试用

pip install surya-ocr   # 0.23.0+ 默认 Surya 2.5
surya_ocr page.pdf --output_dir out
surya_layout page.pdf --output_dir out

1. NVIDIA 上由管理器拉起 vLLM（Docker）；Apple Silicon 可用 llama.cpp / Metal。
2. 需要更高精度可走 Datalab API 的 Chandra 2.5。
3. GGUF：datalab-to/surya-ocr-2.5-gguf。

需要表格坐标框时仍用 Surya 2 的表格结构任务。