Uso primario dichiarato o dedotto con cautela dalla documentazione ufficiale.
T
TENCENT / tencent/Youtu-Parsing-Omni
Youtu-Parsing-Omni
Modello multimodale Tencent da 5 miliardi di parametri, pubblicato su Hugging Face il 9 ottobre 2026. Analizza pagine, immagini, grafici, diagrammi, geometria, audio e video e produce testo strutturato in un contenitore OmniSchema JSON. Non genera immagini, musica o video. Un encoder condiviso elabora le modalità prima del decoder; il compito richiesto determina schema ed elementi estratti.
01 / RIEPILOGO
L'essenziale
Capacità di input massima quando pubblicata dalla fonte.
Limite massimo di generazione documentato.
Canali di disponibilità verificati.
Famiglia funzionale principale e specialità verificate.
Condizioni dichiarate per API, pesi o distribuzione autonoma.
02 / SCHEDA TECNICA
Limiti e integrazione
| ID API | tencent/Youtu-Parsing-Omni |
|---|---|
| Tipo di modello | Multimodale · OCR e documenti · Voce e audio · Video |
| Modalità di accesso | Pesi con restrizioni |
| Licenza | Youtu-Parsing License · restrizione territoriale UE |
| Distribuzione | Esecuzione propria con vLLM e plugin |
| Rilascio | 09 OTT 2026 |
| Cutoff della conoscenza | Non pubblicato |
| Entrata | Testo · Immagine · Audio · Video |
| Uscita | Testo · JSON |
| Finestra di contesto | 65.536 token nell’esempio di servizio |
| rendimento massimo | Non pubblicato |
| Ragionamento | Non pubblicato |
| Strumenti pubblicati | |
| Uscite strutturate | OmniSchema JSON |
| Elaborazione batch | Non pubblicato |
| Cache dei prompt | Non pubblicato |
| Fine-tuning | Non pubblicato |
| Piattaforme verificate | Hugging Face · vLLM · Transformers |
OCR, tabelle, formule, ordine di lettura, geometria, trascrizione e segmentazione audiovisiva con timestamp. L’output può includere Markdown, LaTeX, Mermaid, riquadri e descrizioni. L’esempio di servizio configura 65.536 token e limiti di otto immagini, quattro video e otto audio per prompt; sono impostazioni del server d’esempio, non una garanzia universale del contesto massimo addestrato.
La licenza Youtu-Parsing include una limitazione territoriale esplicita: il modello non è destinato all’uso nell’Unione europea. Non lo presentiamo come Apache 2.0 né privo di restrizioni. Questa scheda è informativa: non abbiamo scaricato né eseguito i pesi. Esamina licenza, codice remoto, permessi dei media locali e dati personali prima di un eventuale deployment autorizzato.
03 / CAPACITÀ
Cosa può fare
Orientamento
OCR, tabelle, formule, ordine di lettura, geometria, trascrizione e segmentazione audiovisiva con timestamp. L’output può includere Markdown, LaTeX, Mermaid, riquadri e descrizioni. L’esempio di servizio configura 65.536 token e limiti di otto immagini, quattro video e otto audio per prompt; sono impostazioni del server d’esempio, non una garanzia universale del contesto massimo addestrato.
Contesto
65.536 token nell’esempio di servizio · Non pubblicato
Strumenti e integrazione
Non pubblicato
Accesso
Hugging Face · repository pubblico
Modalità di input
TestoImmagineAudioVideo
04 / PREZZI
Costo documentato
| Concetto | Di valore | Unità/condizione |
|---|---|---|
| Input standard | Nessuna tariffa API ufficiale pubblicata | Tariffa API standard |
| Input in cache | Non pubblicato | Lettura di prefissi riutilizzati |
| Scrittura o archiviazione della cache | Non pubblicato | La condizione varia in base al fornitore |
| Output standard | Costo dell’infrastruttura propria | Può includere token di ragionamento |
| Input batch | Non pubblicato | Elaborazione asincrona |
| Output batch | Non pubblicato | Elaborazione asincrona |
Non abbiamo verificato un’API commerciale ospitata né prezzi pubblici per token per questo checkpoint. I costi numerici restano vuoti. L’esecuzione propria richiede GPU, dipendenze e il plugin vLLM del fornitore; i file pubblici non eliminano costi o restrizioni territoriali. Il codice di valutazione è indicato come non ancora pubblicato: non promettiamo una riproduzione completa del protocollo.
i I prezzi cambiano e possono dipendere dal livello, dalla regione o dalla durata del contesto. Controlla la fonte prima di prendere una decisione.
05 / VALUTAZIONI
Come leggere i risultati
“
Tencent pubblica OmniDocBench v1.6 Overall 96,96 e media OmniParsingBench 75,08. Riporta anche metriche ChemOCR e PDMX-Synth; conserviamo nomi e direzione: un tasso di errore inferiore è migliore. Sono risultati del fornitore, non valutazioni eseguite da Inferama. Il JSON valido non garantisce estrazione corretta: verifica lettura, coordinate, tempi, omissioni e allucinazioni con revisione umana.
| Benchmark | Risultato | Metrica | Fonte |
|---|---|---|---|
| OmniDocBench v1.6 Overall | 96,96 | Punteggio | Vedi fonte ↗ |
| OmniParsingBench Average | 75,08 | Punteggio | Vedi fonte ↗ |
| ChemOCR Average Similarity | 74,6 | Similarità media | Vedi fonte ↗ |
| ChemOCR Tani@1.0 | 54,2 | Tani@1.0 | Vedi fonte ↗ |
| PDMX-Synth CER | 22,73 | CER | Vedi fonte ↗ |
| PDMX-Synth SER | 26,73 | SER | Vedi fonte ↗ |
| PDMX-Synth LER | 33,20 | LER | Vedi fonte ↗ |
Inferama evidenzia un "miglior risultato" solo quando la metrica, il set di test, la configurazione e la data consentono un confronto equivalente. I dati del fornitore sono presentati come affermazioni provenienti dalla propria fonte.
06 / VERSIONI
Cronologia
Youtu-Parsing-Omni
Rilascio pubblico verificato del checkpoint 5B. L’output è JSON, non contenuto audiovisivo generato.
07 / FONTI