腾讯开放 5B 全模态解析模型 Youtu-Parsing-Omni，OmniDocBench v1.6 总分 96.96
一个模型把文档、图片、图表、几何图、音频和视频都解析成结构化 JSON。
// 要点
- 5B 参数，BF16 权重；同一模型输出版面、文字、表格、公式、坐标框、时间戳、语音转写和 OCR，也能写图注、叙述和报告，由任务提示决定输出类型。
- OmniDocBench v1.6 总分 96.96，为页面所列最高；OmniParsingBench 平均 75.08，页面称是开放权重里最好的，仅次于 Gemini-3-Pro 的 77.44。
- 支持 vLLM（需插件）和 Transformers，两者要求的 transformers 版本不同（5.2.0 与 5.10.2），需分开环境；音视频需要 ffmpeg。许可证是自定的 youtu-parsing 许可。
开发者视角AI 云盘的文件理解现在是按格式分几条管线走的，一个 5B 模型同时吃 PDF、截图和音视频，值得拿真实用户文件做一轮对比，和 10-09 那条 LightOnOCR-3 放在一起测。注意它是自定许可证，先确认能否商用。