{"id":489313,"date":"2026-07-31T11:00:07","date_gmt":"2026-07-31T11:00:07","guid":{"rendered":"https:\/\/savepearlharbor.com\/?p=489313"},"modified":"-0001-11-30T00:00:00","modified_gmt":"2026-07-31T11:00:07","slug":"","status":"publish","type":"post","link":"https:\/\/savepearlharbor.com\/?p=489313","title":{"rendered":"\u041a\u0430\u043a \u0432\u044b\u0431\u0440\u0430\u0442\u044c OCR \u0432 2026-\u043c: \u0442\u0435\u0441\u0442\u0438\u0440\u0443\u0435\u043c \u0434\u0435\u0432\u044f\u0442\u044c \u043c\u043e\u0434\u0435\u043b\u0435\u0439 \u043d\u0430 \u0442\u0440\u0435\u0445 \u0434\u0432\u0438\u0436\u043a\u0430\u0445 \u0438\u043d\u0444\u0435\u0440\u0435\u043d\u0441\u0430 \u043d\u0430 \u0440\u0443\u043a\u043e\u043f\u0438\u0441\u043d\u043e\u043c \u0440\u0443\u0441\u0441\u043a\u043e\u043c"},"content":{"rendered":"<div xmlns=\"http:\/\/www.w3.org\/1999\/xhtml\">\n<figure class=\"full-width \"><img decoding=\"async\" src=\"https:\/\/habrastorage.org\/r\/w1560\/getpro\/habr\/upload_files\/f17\/b15\/9dd\/f17b159dde27a09a0b9cbe34819a5dbe.png\" width=\"1280\" height=\"670\" sizes=\"auto, (max-width: 780px) 100vw, 50vw\" srcset=\"https:\/\/habrastorage.org\/r\/w780\/getpro\/habr\/upload_files\/f17\/b15\/9dd\/f17b159dde27a09a0b9cbe34819a5dbe.png 780w,&#10;       https:\/\/habrastorage.org\/r\/w1560\/getpro\/habr\/upload_files\/f17\/b15\/9dd\/f17b159dde27a09a0b9cbe34819a5dbe.png 781w\" loading=\"lazy\" decode=\"async\"\/><\/figure>\n<p>\u0412\u0430\u043c \u043d\u0443\u0436\u0435\u043d OCR. \u0412 \u0442\u0435\u0445\u043e\u0431\u0437\u043e\u0440\u0430\u0445 \u0440\u0435\u043a\u043e\u043c\u0435\u043d\u0434\u0443\u044e\u0442 Tesseract, \u043d\u0430 \u0425\u0430\u0431\u0440\u0435 \u0432\u0441\u0435 \u043f\u0438\u0448\u0443\u0442 \u043f\u0440\u043e VLM, \u0438\u0434\u0435\u0442\u0435 \u043d\u0430 Hugging Face \u2014 \u0442\u0430\u043c PaddleOCR-VL, DeepSeek-OCR, Dots.OCR, Qwen2.5-VL, \u0438 \u043a\u0430\u0436\u0434\u0430\u044f \u043d\u0430\u0437\u044b\u0432\u0430\u0435\u0442 \u0441\u0435\u0431\u044f SOTA. \u041f\u0440\u0438\u0431\u0430\u0432\u0438\u043c \u043a \u044d\u0442\u043e\u043c\u0443 vLLM, SGLang, TGI, Native HF Transformers, \u0438 \u0432\u043e\u0442 \u0432\u044b \u0437\u0430\u0432\u0438\u0441\u043b\u0438 \u043c\u0435\u0436\u0434\u0443 \u0434\u0435\u0441\u044f\u0442\u043a\u0430\u043c\u0438 \u043a\u043e\u043c\u0431\u0438\u043d\u0430\u0446\u0438\u0439. \u041c\u044b \u043f\u0440\u043e\u0442\u0435\u0441\u0442\u0438\u0440\u043e\u0432\u0430\u043b\u0438 \u0434\u0435\u0432\u044f\u0442\u044c \u043c\u043e\u0434\u0435\u043b\u0435\u0439 \u043d\u0430 \u0442\u0440\u0435\u0445 \u0434\u0432\u0438\u0436\u043a\u0430\u0445 \u0438\u043d\u0444\u0435\u0440\u0435\u043d\u0441\u0430 \u043d\u0430 \u0440\u0443\u043a\u043e\u043f\u0438\u0441\u043d\u043e\u043c \u0440\u0443\u0441\u0441\u043a\u043e\u043c \u0438 \u043e\u0442\u0440\u0430\u0437\u0438\u043b\u0438 \u0432 \u0442\u0430\u0431\u043b\u0438\u0446\u0435, \u043a\u0430\u043a\u0430\u044f \u043c\u043e\u0434\u0435\u043b\u044c \u043f\u043e\u0434 \u043a\u0430\u043a\u0443\u044e \u0437\u0430\u0434\u0430\u0447\u0443 \u043b\u0443\u0447\u0448\u0435 \u043f\u043e\u0434\u0445\u043e\u0434\u0438\u0442.<\/p>\n<h3>\u0412\u0430\u0448\u0435 \u0432\u0440\u0435\u043c\u044f \u0446\u0435\u043d\u043d\u043e \u0434\u043b\u044f \u043d\u0430\u0441. \u0422\u0430\u043a \u0447\u0442\u043e \u0441\u0440\u0430\u0437\u0443 \u0434\u0435\u0440\u0436\u0438\u0442\u0435 \u043a\u0440\u0430\u0442\u043a\u0438\u0435 \u0432\u044b\u0432\u043e\u0434\u044b<\/h3>\n<ul>\n<li>\n<p>Native HF Transformers \u043d\u0435 \u0434\u043b\u044f \u043f\u0440\u043e\u0434\u0430\u043a\u0448\u0435\u043d\u0430. \u0422\u043e\u0442 \u0436\u0435 Qwen2.5-VL \u043f\u043e\u0434 vLLM\/SGLang \u0432 \u0434\u0432\u0430 \u0440\u0430\u0437\u0430 \u0431\u044b\u0441\u0442\u0440\u0435\u0435, \u0447\u0435\u043c \u043f\u043e\u0434 Native, \u043d\u0430 \u0442\u043e\u0439 \u0436\u0435 GPU.<\/p>\n<\/li>\n<li>\n<p>\u00a0\u0420\u0430\u0437\u043c\u0435\u0440 \u043c\u043e\u0434\u0435\u043b\u0438 \u043e\u0431\u043c\u0430\u043d\u0447\u0438\u0432. PaddleOCR-VL 1.7B \u043e\u0431\u0433\u043e\u043d\u044f\u0435\u0442 Qwen2.5-VL-7B \u0432 \u043f\u044f\u0442\u044c \u0441 \u043b\u0438\u0448\u043d\u0438\u043c \u0440\u0430\u0437 \u043f\u043e \u0441\u043a\u043e\u0440\u043e\u0441\u0442\u0438 \u0432 \u0441\u0442\u0440\/\u043c\u0438\u043d \u0438 \u0432 6,7 \u0440\u0430\u0437\u0430 \u043f\u043e \u0442\u043e\u043a\u0435\u043d\/\u0441\u0435\u043a. \u0421\u043f\u0435\u0446\u0438\u0430\u043b\u0438\u0437\u0430\u0446\u0438\u044f \u0431\u044c\u0435\u0442 general-purpose.<\/p>\n<\/li>\n<li>\n<p>Tesseract \u0431\u044b\u0441\u0442\u0440\u0435\u0435 \u0432\u0441\u0435\u0445 \u2014 \u043c\u0438\u0444. \u041d\u0430 \u0441\u043b\u043e\u0436\u043d\u044b\u0445 \u0438\u0437\u043e\u0431\u0440\u0430\u0436\u0435\u043d\u0438\u044f\u0445 \u043e\u043d \u0432\u043e\u0437\u0432\u0440\u0430\u0449\u0430\u0435\u0442 411 \u0441\u0438\u043c\u0432\u043e\u043b\u043e\u0432 \u043f\u0440\u043e\u0442\u0438\u0432 1193 \u0442\u043e\u043a\u0435\u043d\u043e\u0432 \u0443 PaddleOCR-VL. \u0411\u044b\u0441\u0442\u0440\u043e \u0432\u043e\u0437\u0432\u0440\u0430\u0449\u0430\u0442\u044c \u043f\u0443\u0441\u0442\u043e\u0442\u0443 \u2014 \u043d\u0435 \u043f\u043e\u0431\u0435\u0434\u0430.<\/p>\n<\/li>\n<li>\n<p>\u0412 \u043a\u043b\u0430\u0441\u0441\u0435 general-VLM\u00a0 \u043d\u0430\u0448\u0430 \u043a\u043e\u043c\u043f\u0430\u043a\u0442\u043d\u0430\u044f \u043c\u043e\u0434\u0435\u043b\u044c Cotype Light 3 \u043d\u0430 9 \u043c\u043b\u0440\u0434 \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u043e\u0432 \u043e\u0431\u0433\u043e\u043d\u044f\u0435\u0442 Qwen2.5-VL-7B \u043d\u0430 79% \u043f\u043e \u0441\u0442\u0440\/\u043c\u0438\u043d \u0441 \u0432\u043a\u043b\u044e\u0447\u0435\u043d\u043d\u044b\u043c MTP-\u0434\u0435\u043a\u043e\u0434\u0438\u043d\u0433\u043e\u043c (37.7 vs 21.1) \u043f\u0440\u0438 \u0441\u043e\u043f\u043e\u0441\u0442\u0430\u0432\u0438\u043c\u043e\u043c TTFT.<\/p>\n<\/li>\n<\/ul>\n<p>\u0412\u043e\u0442 \u043e\u0431\u0435\u0449\u0430\u043d\u043d\u0430\u044f \u0442\u0430\u0431\u043b\u0438\u0446\u0430 \u0441\u043e \u0441\u0432\u043e\u0434\u043a\u043e\u0439, \u043a\u0430\u043a\u0438\u0435 \u043c\u043e\u0434\u0435\u043b\u0438 \u0432 \u043a\u0430\u043a\u0438\u0445 \u0441\u0446\u0435\u043d\u0430\u0440\u0438\u044f\u0445 \u0441\u0435\u0431\u044f \u043b\u0443\u0447\u0448\u0435 \u043f\u043e\u043a\u0430\u0437\u0430\u043b\u0438.\u00a0<\/p>\n<div>\n<div class=\"table\">\n<table>\n<tbody>\n<tr>\n<td>\n<p align=\"left\">\u0421\u0446\u0435\u043d\u0430\u0440\u0438\u0439<\/p>\n<\/td>\n<td>\n<p align=\"left\">\u0420\u0435\u043a\u043e\u043c\u0435\u043d\u0434\u0430\u0446\u0438\u044f<\/p>\n<\/td>\n<td>\n<p align=\"left\">\u041f\u043e\u0447\u0435\u043c\u0443<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\">\u041f\u0435\u0447\u0430\u0442\u043d\u044b\u0435 \u0434\u043e\u043a\u0443\u043c\u0435\u043d\u0442\u044b, \u043d\u0443\u0436\u043d\u0430 \u0441\u043a\u043e\u0440\u043e\u0441\u0442\u044c, \u043f\u0440\u043e\u0441\u0442\u0430\u044f \u0432\u0435\u0440\u0441\u0442\u043a\u0430<\/p>\n<\/td>\n<td>\n<p align=\"left\"><strong>Tesseract<\/strong> \u0438\u043b\u0438 <strong>RapidOCR<\/strong> \u043d\u0430 CPU<\/p>\n<\/td>\n<td>\n<p align=\"left\">140\u2013190 \u0441\u0442\u0440\u0430\u043d\u0438\u0446\/\u043c\u0438\u043d, \u0431\u0435\u0441\u043f\u043b\u0430\u0442\u043d\u043e, GPU \u043d\u0435 \u0442\u0440\u0435\u0431\u0443\u0435\u0442\u0441\u044f<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\">\u0421\u043b\u043e\u0436\u043d\u0430\u044f \u0432\u0435\u0440\u0441\u0442\u043a\u0430, \u0442\u0430\u0431\u043b\u0438\u0446\u044b, Markdown \u043d\u0430 \u0432\u044b\u0445\u043e\u0434\u0435<\/p>\n<\/td>\n<td>\n<p align=\"left\"><strong>PaddleOCR-VL + SGLang<\/strong><\/p>\n<\/td>\n<td>\n<p align=\"left\">110 \u0441\u0442\u0440\u0430\u043d\u0438\u0446\/\u043c\u0438\u043d, 56 \u0413\u0411 VRAM, \u043b\u0438\u0434\u0435\u0440 OmniDocBench<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\">Production VLM \u0441 \u043c\u0438\u043d\u0438\u043c\u0443\u043c\u043e\u043c \u0440\u0438\u0441\u043a\u043e\u0432 \u0441\u043e\u0432\u043c\u0435\u0441\u0442\u0438\u043c\u043e\u0441\u0442\u0438<\/p>\n<\/td>\n<td>\n<p align=\"left\"><strong>PaddleOCR-VL + vLLM<\/strong><\/p>\n<\/td>\n<td>\n<p align=\"left\">99 \u0441\u0442\u0440\u0430\u043d\u0438\u0446\/\u043c\u0438\u043d, \u043b\u0443\u0447\u0448\u0438\u0439 TTFT, \u0448\u0438\u0440\u0435 \u043f\u043e\u0434\u0434\u0435\u0440\u0436\u043a\u0430 \u043c\u043e\u0434\u0435\u043b\u0435\u0439<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\">General-purpose VLM, OCR \u2014 \u043b\u0438\u0448\u044c \u0447\u0430\u0441\u0442\u044c \u0437\u0430\u0434\u0430\u0447<\/p>\n<\/td>\n<td>\n<p align=\"left\"><strong>Qwen2.5-VL-7B + vLLM<\/strong><\/p>\n<\/td>\n<td>\n<p align=\"left\">21 \u0441\u0442\u0440\u0430\u043d\u0438\u0446\u0430\/\u043c\u0438\u043d, \u0443\u043d\u0438\u0432\u0435\u0440\u0441\u0430\u043b\u044c\u043d\u0430\u044f \u043c\u043e\u0434\u0435\u043b\u044c, \u0437\u043d\u0430\u0435\u0442 \u0440\u0443\u0441\u0441\u043a\u0438\u0439<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\">\u041f\u0440\u043e\u0442\u043e\u0442\u0438\u043f, Jupyter-research<\/p>\n<\/td>\n<td>\n<p align=\"left\"><strong>Native HF Transformers<\/strong><\/p>\n<\/td>\n<td>\n<p align=\"left\">\u0422\u043e\u043b\u044c\u043a\u043e \u0434\u043b\u044f \u043f\u0440\u043e\u0442\u043e\u0442\u0438\u043f\u0430. \u0412 production \u043d\u0438\u043a\u043e\u0433\u0434\u0430<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\">MoE-\u0430\u0440\u0445\u0438\u0442\u0435\u043a\u0442\u0443\u0440\u0430, batch-\u043e\u0431\u0440\u0430\u0431\u043e\u0442\u043a\u0430<\/p>\n<\/td>\n<td>\n<p align=\"left\"><strong>DeepSeek-OCR + vLLM<\/strong><\/p>\n<\/td>\n<td>\n<p align=\"left\">56 \u0441\u0442\u0440\u0430\u043d\u0438\u0446\/\u043c\u0438\u043d, 570M \u0430\u043a\u0442\u0438\u0432\u043d\u044b\u0445 \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u043e\u0432 (3B total)<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\">\u041b\u043e\u043a\u0430\u043b\u044c\u043d\u044b\u0439 VLM \u0432 \u0437\u0430\u043a\u0440\u044b\u0442\u043e\u043c \u043a\u043e\u043d\u0442\u0443\u0440\u0435, RU-\u0434\u043e\u043c\u0435\u043d<\/p>\n<\/td>\n<td>\n<p align=\"left\"><strong>Cotype Light 3 + vLLM \u0441 MTP<\/strong><\/p>\n<\/td>\n<td>\n<p align=\"left\">37.7 \u0441\u0442\u0440\u0430\u043d\u0438\u0446\/\u043c\u0438\u043d, 9B, \u0441\u0432\u0435\u0436\u0438\u0439 \u0440\u0435\u043b\u0438\u0437 2026\u201306, \u0432\u0441\u0442\u0440\u043e\u0435\u043d\u043d\u044b\u0439 MTP-\u0434\u0435\u043a\u043e\u0434\u0438\u043d\u0433<\/p>\n<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<\/div>\n<\/div>\n<p>\u0426\u0438\u0444\u0440\u044b \u043f\u043e\u043b\u0443\u0447\u0435\u043d\u044b \u043d\u0430 NVIDIA A100 80GB (shared), batch=1, 15 \u043e\u0431\u0440\u0430\u0437\u0446\u043e\u0432 \u0440\u0443\u0441\u0441\u043a\u043e\u044f\u0437\u044b\u0447\u043d\u043e\u0433\u043e \u0440\u0443\u043a\u043e\u043f\u0438\u0441\u043d\u043e\u0433\u043e \u0442\u0435\u043a\u0441\u0442\u0430.\u00a0<\/p>\n<p>\u041d\u0438\u0436\u0435 \u043e\u0431\u044a\u044f\u0441\u043d\u044e, \u043a\u0430\u043a \u043c\u044b \u044d\u0442\u0443 \u0442\u0430\u0431\u043b\u0438\u0446\u0443 \u043f\u043e\u043b\u0443\u0447\u0438\u043b\u0438 \u0438 \u043a\u0430\u043a\u0438\u0435 \u043d\u044e\u0430\u043d\u0441\u044b \u0441\u0442\u043e\u044f\u0442 \u0437\u0430 \u043a\u0430\u0436\u0434\u043e\u0439 \u0441\u0442\u0440\u043e\u043a\u043e\u0439.<\/p>\n<h3>\u041b\u0430\u043d\u0434\u0448\u0430\u0444\u0442: \u0442\u0440\u0430\u0434\u0438\u0446\u0438\u043e\u043d\u043d\u044b\u0439 OCR vs VLM \u0432 2025\u20132026 \u0433\u0433.<\/h3>\n<p>\u0414\u043e 2024 \u0433\u043e\u0434\u0430 \u0432\u044b\u0431\u043e\u0440 OCR \u0431\u044b\u043b \u043e\u0442\u043d\u043e\u0441\u0438\u0442\u0435\u043b\u044c\u043d\u043e \u043f\u043e\u043d\u044f\u0442\u043d\u044b\u043c. Tesseract, PaddleOCR, EasyOCR. \u041f\u0430\u0439\u043f\u043b\u0430\u0439\u043d \u043e\u0434\u0438\u043d: \u0434\u0435\u0442\u0435\u043a\u0446\u0438\u044f \u0442\u0435\u043a\u0441\u0442\u043e\u0432\u044b\u0445 \u043e\u0431\u043b\u0430\u0441\u0442\u0435\u0439, \u0440\u0430\u0441\u043f\u043e\u0437\u043d\u0430\u0432\u0430\u043d\u0438\u0435 \u0441\u0438\u043c\u0432\u043e\u043b\u043e\u0432, \u043f\u043e\u0441\u0442\u043e\u0431\u0440\u0430\u0431\u043e\u0442\u043a\u0430. \u041e\u0431\u044b\u0447\u043d\u044b\u0439 \u0442\u0435\u043a\u0441\u0442 \u043d\u0430 \u0432\u044b\u0445\u043e\u0434\u0435, \u043c\u0438\u043d\u0438\u043c\u0430\u043b\u044c\u043d\u044b\u0435 \u0442\u0440\u0435\u0431\u043e\u0432\u0430\u043d\u0438\u044f \u043a \u0436\u0435\u043b\u0435\u0437\u0443, \u043f\u0440\u0435\u0434\u0441\u043a\u0430\u0437\u0443\u0435\u043c\u043e\u0441\u0442\u044c.<\/p>\n<p>\u041d\u043e \u0442\u0443\u0442 \u043f\u043e\u044f\u0432\u0438\u043b\u0438\u0441\u044c VLM (Vision Language Models). \u041f\u043e \u0441\u0443\u0442\u0438 \u044d\u0442\u043e end-to-end \u043c\u043e\u0434\u0435\u043b\u0438: \u0432\u0438\u0436\u043d-\u044d\u043d\u043a\u043e\u0434\u0435\u0440 \u043f\u0440\u0435\u0432\u0440\u0430\u0449\u0430\u0435\u0442 \u043a\u0430\u0440\u0442\u0438\u043d\u043a\u0443 \u0432 \u044d\u043c\u0431\u0435\u0434\u0434\u0438\u043d\u0433\u0438, LLM-\u0434\u0435\u043a\u043e\u0434\u0435\u0440 \u0433\u0435\u043d\u0435\u0440\u0438\u0440\u0443\u0435\u0442 \u0442\u0435\u043a\u0441\u0442. \u041d\u0438\u043a\u0430\u043a\u0438\u0445 \u043e\u0442\u0434\u0435\u043b\u044c\u043d\u044b\u0445 \u0441\u0442\u0430\u0434\u0438\u0439: \u043f\u043e\u0434\u0430\u043b \u043a\u0430\u0440\u0442\u0438\u043d\u043a\u0443 \u2014 \u043f\u043e\u043b\u0443\u0447\u0438\u043b Markdown, JSON, HTML. <\/p>\n<p>\u0412\u043e\u0442 \u0441\u0440\u0430\u0432\u043d\u0438\u0442\u0435\u043b\u044c\u043d\u0430\u044f \u0442\u0430\u0431\u043b\u0438\u0446\u0430 \u0434\u043b\u044f \u0442\u0440\u0430\u0434\u0438\u0446\u0438\u043e\u043d\u043d\u043e\u0433\u043e \u0438 VLM-\u043f\u043e\u0434\u0445\u043e\u0434\u0430 \u043a OCR.<\/p>\n<div>\n<div class=\"table\">\n<table>\n<tbody>\n<tr>\n<td>\n<p align=\"left\">\n<\/td>\n<td>\n<p align=\"left\">\u0422\u0440\u0430\u0434\u0438\u0446\u0438\u043e\u043d\u043d\u044b\u0439 OCR<\/p>\n<\/td>\n<td>\n<p align=\"left\">OCR \u043d\u0430 VLM<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\">\u0410\u0440\u0445\u0438\u0442\u0435\u043a\u0442\u0443\u0440\u0430<\/p>\n<\/td>\n<td>\n<p align=\"left\">\u0414\u0435\u0442\u0435\u043a\u0446\u0438\u044f, \u0440\u0430\u0441\u043f\u043e\u0437\u043d\u0430\u0432\u0430\u043d\u0438\u0435, \u043f\u043e\u0441\u0442\u043e\u0431\u0440\u0430\u0431\u043e\u0442\u043a\u0430<\/p>\n<\/td>\n<td>\n<p align=\"left\">End-to-end: \u0432\u0438\u0436\u043d-\u044d\u043d\u043a\u043e\u0434\u0435\u0440 + LLM-\u0434\u0435\u043a\u043e\u0434\u0435\u0440<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\">\u0422\u0438\u043f\u0438\u0447\u043d\u0430\u044f \u0441\u043a\u043e\u0440\u043e\u0441\u0442\u044c<\/p>\n<\/td>\n<td>\n<p align=\"left\">0,5\u20133 \u0441\u0435\u043a\/\u0441\u0442\u0440 (CPU)<\/p>\n<\/td>\n<td>\n<p align=\"left\">2\u201310 \u0441\u0435\u043a\/\u0441\u0442\u0440 (GPU)<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\">\u0421\u043b\u043e\u0436\u043d\u0430\u044f \u0432\u0435\u0440\u0441\u0442\u043a\u0430<\/p>\n<\/td>\n<td>\n<p align=\"left\">\u0421\u043b\u0430\u0431\u043e<\/p>\n<\/td>\n<td>\n<p align=\"left\">\u0425\u043e\u0440\u043e\u0448\u043e<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\">\u0421\u0442\u0440\u0443\u043a\u0442\u0443\u0440\u043d\u044b\u0439 \u0432\u044b\u0432\u043e\u0434<\/p>\n<\/td>\n<td>\n<p align=\"left\">\u041f\u0440\u043e\u0441\u0442\u043e\u0439 \u0442\u0435\u043a\u0441\u0442<\/p>\n<\/td>\n<td>\n<p align=\"left\">Markdown, HTML, JSON<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\">\u0421\u0442\u043e\u0438\u043c\u043e\u0441\u0442\u044c self-hosted<\/p>\n<\/td>\n<td>\n<p align=\"left\">\u041e\u0447\u0435\u043d\u044c \u043d\u0438\u0437\u043a\u0430\u044f (CPU)<\/p>\n<\/td>\n<td>\n<p align=\"left\">\u0417\u0430\u0432\u0438\u0441\u0438\u0442 \u043e\u0442 \u043c\u043e\u0434\u0435\u043b\u0438 \u0438 \u0434\u0432\u0438\u0436\u043a\u0430 (GPU)<\/p>\n<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<\/div>\n<\/div>\n<p>\u0410 \u0435\u0449\u0435 \u043f\u043e\u044f\u0432\u0438\u043b\u0438\u0441\u044c \u0441\u043f\u0435\u0446\u0438\u0430\u043b\u0438\u0437\u0438\u0440\u043e\u0432\u0430\u043d\u043d\u044b\u0435 OCR-VLM \u0442\u0438\u043f\u0430 PaddleOCR-VL (1,7B), DeepSeek-OCR (3B MoE), Dots.OCR (3B). \u042d\u0442\u043e VLM \u043f\u043e \u0430\u0440\u0445\u0438\u0442\u0435\u043a\u0442\u0443\u0440\u0435, \u043d\u043e \u0434\u043e\u043e\u0431\u0443\u0447\u0435\u043d\u043d\u044b\u0435 \u0438\u0441\u043a\u043b\u044e\u0447\u0438\u0442\u0435\u043b\u044c\u043d\u043e \u043d\u0430 OCR-\u0437\u0430\u0434\u0430\u0447\u0430\u0445. \u041e\u043d\u0438 \u043c\u0435\u043d\u044c\u0448\u0435 VLM \u043e\u0431\u0449\u0435\u0433\u043e \u043d\u0430\u0437\u043d\u0430\u0447\u0435\u043d\u0438\u044f\u00a0 \u0432 4\u201310 \u0440\u0430\u0437, \u043d\u043e \u043d\u0430 \u0440\u0430\u0441\u043f\u043e\u0437\u043d\u0430\u0432\u0430\u043d\u0438\u0438 \u0434\u043e\u043a\u0443\u043c\u0435\u043d\u0442\u043e\u0432 \u0440\u0430\u0431\u043e\u0442\u0430\u044e\u0442 \u043d\u0430 \u0443\u0440\u043e\u0432\u043d\u0435 \u0438\u043b\u0438 \u043b\u0443\u0447\u0448\u0435.<\/p>\n<p>\u0412 \u0442\u0430\u043a\u043e\u043c \u043c\u043d\u043e\u0433\u043e\u043e\u0431\u0440\u0430\u0437\u0438\u0438 \u0438\u043d\u0441\u0442\u0440\u0443\u043c\u0435\u043d\u0442\u043e\u0432 \u043d\u0430\u043c \u0431\u044b\u043b\u043e \u0438\u043d\u0442\u0435\u0440\u0435\u0441\u043d\u043e \u0443\u0437\u043d\u0430\u0442\u044c, \u0433\u0434\u0435 \u043f\u0440\u043e\u0445\u043e\u0434\u0438\u0442 \u0433\u0440\u0430\u043d\u0438\u0446\u0430 \u043c\u0435\u0436\u0434\u0443 \u00ab\u0431\u0440\u0430\u0442\u044c \u043a\u043b\u0430\u0441\u0441\u0438\u043a\u0443\u00bb \u0438 \u00ab\u0431\u0440\u0430\u0442\u044c VLM\u00bb \u0438 \u043a\u0430\u043a\u0430\u044f \u043a\u043e\u043d\u043a\u0440\u0435\u0442\u043d\u0430\u044f \u0441\u0432\u044f\u0437\u043a\u0430 \u043c\u043e\u0434\u0435\u043b\u044c + \u0434\u0432\u0438\u0436\u043e\u043a \u043e\u043f\u0442\u0438\u043c\u0430\u043b\u044c\u043d\u0430. <\/p>\n<p>\u041a\u0430\u043a \u043c\u044b \u044d\u0442\u043e \u0443\u0437\u043d\u0430\u0432\u0430\u043b\u0438?\u00a0<\/p>\n<h3>\u041c\u0435\u0442\u043e\u0434\u043e\u043b\u043e\u0433\u0438\u044f<\/h3>\n<p>\u041c\u044b \u0440\u0435\u0448\u0438\u043b\u0438 \u0440\u0430\u0437\u0440\u0430\u0431\u043e\u0442\u0430\u0442\u044c \u0447\u0435\u0441\u0442\u043d\u044b\u0439 \u0431\u0435\u043d\u0447\u043c\u0430\u0440\u043a, \u0432 \u043a\u043e\u0442\u043e\u0440\u043e\u043c \u0432\u0441\u0435 \u043c\u043e\u0434\u0435\u043b\u0438 \u0431\u0435\u0433\u0443\u0442 \u0432 \u043e\u0434\u0438\u043d\u0430\u043a\u043e\u0432\u044b\u0445 \u0443\u0441\u043b\u043e\u0432\u0438\u044f\u0445. \u0427\u0442\u043e \u043c\u044b \u0437\u0430\u0444\u0438\u043a\u0441\u0438\u0440\u043e\u0432\u0430\u043b\u0438:<\/p>\n<p><strong>\u0423\u043d\u0438\u0444\u0438\u0446\u0438\u0440\u043e\u0432\u0430\u043d\u043d\u044b\u0435 \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u044b:<\/strong><\/p>\n<p>\u00b7\u00a0 \u00a0 \u00a0 Precision: bfloat16 (\u0434\u043b\u044f \u0432\u0441\u0435\u0445 VLM)<\/p>\n<p>\u00b7\u00a0 \u00a0 \u00a0 max_new_tokens: 2048<\/p>\n<p>\u00b7\u00a0 \u00a0 \u00a0 temperature: 0.0 (\u0434\u0435\u0442\u0435\u0440\u043c\u0438\u043d\u0438\u0440\u043e\u0432\u0430\u043d\u043d\u044b\u0439 \u0432\u044b\u0432\u043e\u0434)<\/p>\n<p>\u00b7\u00a0 \u00a0 \u00a0 Image preprocessing: thumbnail 800\u00d7800, JPEG q85, base64<\/p>\n<p>\u00b7\u00a0 \u00a0 \u00a0 Warmup: \u043f\u044f\u0442\u044c \u043f\u0440\u043e\u0433\u043e\u043d\u043e\u0432 \u043f\u0435\u0440\u0435\u0434 \u0437\u0430\u043c\u0435\u0440\u0430\u043c\u0438 (\u043f\u0440\u043e\u0433\u0440\u0435\u0432 KV-cache, CUDA-\u043a\u0435\u0440\u043d\u0435\u043b\u043e\u0432)<\/p>\n<p>\u00b7\u00a0 \u00a0 \u00a0 \u041f\u0440\u043e\u043c\u043f\u0442: SYSTEM: &#171;You are an OCR assistant. Extract all text&#8230;&#187; + USER: &#171;Extract all text from this document.&#187;<\/p>\n<p><strong>\u0421\u0442\u0435\u043a \u0438\u043d\u0444\u0440\u0430\u0441\u0442\u0440\u0443\u043a\u0442\u0443\u0440\u044b:<\/strong><\/p>\n<p>\u00b7\u00a0 \u00a0 \u00a0 <strong>NVIDIA A100 80GB PCIe<\/strong> (\u0438\u043c \u043f\u0440\u0438\u0448\u043b\u043e\u0441\u044c \u0434\u0435\u043b\u0438\u0442\u044c\u0441\u044f\u00a0 \u0441 \u0434\u0440\u0443\u0433\u0438\u043c\u0438 \u043a\u043e\u043c\u0430\u043d\u0434\u0430\u043c\u0438, \u043e\u0431 \u043e\u0433\u0440\u0430\u043d\u0438\u0447\u0435\u043d\u0438\u044f\u0445 \u043d\u0438\u0436\u0435)<\/p>\n<p>\u00b7\u00a0 \u00a0 \u00a0 <strong>vLLM 0.18.1<\/strong>: gpu-memory-utilization=0.4, max-model-len=4096, OpenAI-compatible API<\/p>\n<p>\u00b7\u00a0 \u00a0 \u00a0 <strong>SGLang v0.5.10<\/strong>: mem-fraction-static=0.85, OpenAI-\u0441\u043e\u0432\u043c\u0435\u0441\u0442\u0438\u043c\u044b\u0439 API<\/p>\n<p>\u00b7\u00a0 \u00a0 \u00a0 <strong>Native HF Transformers<\/strong>: AutoModel.generate() \u043d\u0430\u043f\u0440\u044f\u043c\u0443\u044e, \u0431\u0435\u0437 \u043e\u043f\u0442\u0438\u043c\u0438\u0437\u0430\u0446\u0438\u0439<\/p>\n<p>\u0414\u0432\u0438\u0436\u043a\u0438 \u0437\u0430\u043f\u0443\u0441\u043a\u0430\u043b\u0438\u0441\u044c \u0432 Docker (vllm\/vllm-openai:latest, lmsysorg\/sglang:latest).<\/p>\n<p><strong>\u0414\u0430\u0442\u0430\u0441\u0435\u0442:<\/strong><\/p>\n<p>15 \u043f\u0440\u0438\u043c\u0435\u0440\u043e\u0432 \u0440\u0443\u0441\u0441\u043a\u043e\u044f\u0437\u044b\u0447\u043d\u044b\u0445 \u0442\u0435\u043a\u0441\u0442\u043e\u0432 \u0438\u0437 Russian Handwriting OCR: \u043f\u044f\u0442\u044c \u0447\u0438\u0441\u0442\u044b\u0445 \u0441\u043a\u0430\u043d\u043e\u0432, \u043f\u044f\u0442\u044c \u00ab\u0442\u0435\u043c\u043d\u044b\u0445\u00bb (\u043d\u0438\u0437\u043a\u0438\u0439 \u043a\u043e\u043d\u0442\u0440\u0430\u0441\u0442), \u043f\u044f\u0442\u044c \u00ab\u0441\u0432\u0435\u0442\u043b\u044b\u0445\u00bb (\u0437\u0430\u0441\u0432\u0435\u0442\u043a\u0430), \u0432\u044b\u0431\u043e\u0440\u043a\u0430 \u0447\u0435\u0440\u0435\u0437 random_state=42. \u041c\u044b \u0441\u043f\u0435\u0446\u0438\u0430\u043b\u044c\u043d\u043e \u0434\u043b\u044f \u0442\u0435\u0441\u0442\u0430 \u0432\u0437\u044f\u043b\u0438 \u0440\u0443\u043a\u043e\u043f\u0438\u0441\u0438, \u0442\u0430\u043a \u043a\u0430\u043a \u044d\u0442\u043e \u043c\u0430\u043a\u0441\u0438\u043c\u0430\u043b\u044c\u043d\u043e \u0441\u043b\u043e\u0436\u043d\u0430\u044f \u0437\u0430\u0434\u0430\u0447\u0430 \u0434\u043b\u044f \u043b\u044e\u0431\u043e\u0433\u043e OCR: \u043d\u0435\u0441\u0442\u0430\u043d\u0434\u0430\u0440\u0442\u043d\u044b\u0435 \u0441\u0438\u043c\u0432\u043e\u043b\u044b, \u0432\u0430\u0440\u0438\u0430\u0442\u0438\u0432\u043d\u043e\u0441\u0442\u044c \u043f\u043e\u0447\u0435\u0440\u043a\u0430, \u0448\u0443\u043c. \u0415\u0441\u043b\u0438 \u043c\u043e\u0434\u0435\u043b\u044c \u0441\u043f\u0440\u0430\u0432\u0438\u0442\u0441\u044f \u0437\u0434\u0435\u0441\u044c, \u0442\u043e \u043d\u0430 \u043f\u0435\u0447\u0430\u0442\u043d\u044b\u0445 \u0434\u043e\u043a\u0443\u043c\u0435\u043d\u0442\u0430\u0445 \u0438 \u043f\u043e\u0434\u0430\u0432\u043d\u043e.<\/p>\n<p><strong>\u041c\u0435\u0442\u0440\u0438\u043a\u0438:<\/strong><\/p>\n<p>\u00b7\u00a0 \u00a0 \u00a0 pages\/min: \u043f\u0440\u043e\u043f\u0443\u0441\u043a\u043d\u0430\u044f \u0441\u043f\u043e\u0441\u043e\u0431\u043d\u043e\u0441\u0442\u044c \u043d\u0430 \u0443\u0440\u043e\u0432\u043d\u0435 \u0434\u043e\u043a\u0443\u043c\u0435\u043d\u0442\u043e\u0432<\/p>\n<p>\u00b7\u00a0 \u00a0 \u00a0 TTFT (Time To First Token, \u043c\u0441): \u0437\u0430\u0434\u0435\u0440\u0436\u043a\u0430 \u0434\u043e \u043f\u0435\u0440\u0432\u043e\u0433\u043e \u0442\u043e\u043a\u0435\u043d\u0430<\/p>\n<p>\u00b7\u00a0 \u00a0 \u00a0 TPOT (Time Per Output Token, \u043c\u0441): \u0441\u0440\u0435\u0434\u043d\u0435\u0435 \u0432\u0440\u0435\u043c\u044f \u043d\u0430 \u0442\u043e\u043a\u0435\u043d<\/p>\n<p>\u00b7\u00a0 \u00a0 \u00a0 tok\/s: \u0442\u043e\u043a\u0435\u043d\u043e\u0432 \u0432 \u0441\u0435\u043a\u0443\u043d\u0434\u0443<\/p>\n<p>\u00b7\u00a0 \u00a0 \u00a0 tok\/page: \u0442\u043e\u043a\u0435\u043d\u043e\u0432 \u043d\u0430 \u0441\u0442\u0440\u0430\u043d\u0438\u0446\u0443 (\u0434\u043b\u044f VLM)<\/p>\n<p>\u00b7\u00a0 \u00a0 \u00a0 peak GPU memory (\u0413\u0411), GPU utilization (%)<\/p>\n<p>\u0417\u0430\u043c\u0435\u0440\u044b \u043f\u0438\u0448\u0443\u0442\u0441\u044f \u0432 JSON, \u0433\u0440\u0430\u0444\u0438\u043a\u0438 \u0441\u0442\u0440\u043e\u044f\u0442\u0441\u044f \u043e\u0442\u0434\u0435\u043b\u044c\u043d\u043e.<\/p>\n<h3>\u0420\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442 1. \u041e\u0431\u0449\u0438\u0439 \u0440\u0435\u0439\u0442\u0438\u043d\u0433 \u0441\u0442\u0440\/\u043c\u0438\u043d \u0438 \u043b\u043e\u0432\u0443\u0448\u043a\u0430 Tesseract<\/h3>\n<p>\u041f\u0435\u0440\u0432\u043e\u0435, \u0447\u0442\u043e \u0445\u043e\u0447\u0435\u0442\u0441\u044f \u0437\u043d\u0430\u0442\u044c \u043f\u0440\u043e OCR, \u0441\u043a\u043e\u043b\u044c\u043a\u043e \u0441\u0442\u0440\u0430\u043d\u0438\u0446 \u0432 \u043c\u0438\u043d\u0443\u0442\u0443. \u0412\u043e\u0442 \u043e\u0431\u0449\u0438\u0439 \u0440\u0435\u0439\u0442\u0438\u043d\u0433 \u0432\u0441\u0435\u0445 14 \u043a\u043e\u043c\u0431\u0438\u043d\u0430\u0446\u0438\u0439 \u043c\u043e\u0434\u0435\u043b\u044c + \u0434\u0432\u0438\u0436\u043e\u043a, \u0443\u043f\u043e\u0440\u044f\u0434\u043e\u0447\u0435\u043d\u043e \u043f\u043e \u0443\u0431\u044b\u0432\u0430\u043d\u0438\u044e:<\/p>\n<figure class=\"full-width \"><img decoding=\"async\" src=\"https:\/\/habrastorage.org\/r\/w1560\/getpro\/habr\/upload_files\/6a1\/973\/428\/6a1973428e5ed58f5729fb08663fe0f8.png\" alt=\"\u041e\u0431\u0449\u0438\u0439 \u0440\u0435\u0439\u0442\u0438\u043d\u0433 pages\/min\" title=\"\u041e\u0431\u0449\u0438\u0439 \u0440\u0435\u0439\u0442\u0438\u043d\u0433 pages\/min\" width=\"2296\" height=\"1011\" sizes=\"auto, (max-width: 780px) 100vw, 50vw\" srcset=\"https:\/\/habrastorage.org\/r\/w780\/getpro\/habr\/upload_files\/6a1\/973\/428\/6a1973428e5ed58f5729fb08663fe0f8.png 780w,&#10;       https:\/\/habrastorage.org\/r\/w1560\/getpro\/habr\/upload_files\/6a1\/973\/428\/6a1973428e5ed58f5729fb08663fe0f8.png 781w\" loading=\"lazy\" decode=\"async\"\/><\/p>\n<div><figcaption>\u041e\u0431\u0449\u0438\u0439 \u0440\u0435\u0439\u0442\u0438\u043d\u0433 pages\/min<\/figcaption><\/div>\n<\/figure>\n<div>\n<div class=\"table\">\n<table>\n<tbody>\n<tr>\n<td>\n<p align=\"left\">#<\/p>\n<\/td>\n<td>\n<p align=\"left\">\u041c\u043e\u0434\u0435\u043b\u044c<\/p>\n<\/td>\n<td>\n<p align=\"left\">\u0414\u0432\u0438\u0436\u043e\u043a\/\u043e\u043a\u0440\u0443\u0436\u0435\u043d\u0438\u0435<\/p>\n<\/td>\n<td>\n<p align=\"left\">\u0421\u0442\u0440\/<br \/>\u043c\u0438\u043d<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\">1<\/p>\n<\/td>\n<td>\n<p align=\"left\">Tesseract<\/p>\n<\/td>\n<td>\n<p align=\"left\">CPU<\/p>\n<\/td>\n<td>\n<p align=\"left\">193.1<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\">2<\/p>\n<\/td>\n<td>\n<p align=\"left\">RapidOCR<\/p>\n<\/td>\n<td>\n<p align=\"left\">CPU<\/p>\n<\/td>\n<td>\n<p align=\"left\">143.5<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\">3<\/p>\n<\/td>\n<td>\n<p align=\"left\">PaddleOCR-VL<\/p>\n<\/td>\n<td>\n<p align=\"left\">SGLang (GPU)<\/p>\n<\/td>\n<td>\n<p align=\"left\">110.8<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\">4<\/p>\n<\/td>\n<td>\n<p align=\"left\">EasyOCR<\/p>\n<\/td>\n<td>\n<p align=\"left\">CPU<\/p>\n<\/td>\n<td>\n<p align=\"left\">105.5<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\">5<\/p>\n<\/td>\n<td>\n<p align=\"left\">PaddleOCR-VL<\/p>\n<\/td>\n<td>\n<p align=\"left\">vLLM (GPU)<\/p>\n<\/td>\n<td>\n<p align=\"left\">98.7<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\">6<\/p>\n<\/td>\n<td>\n<p align=\"left\">Dots.OCR<\/p>\n<\/td>\n<td>\n<p align=\"left\">vLLM (GPU)<\/p>\n<\/td>\n<td>\n<p align=\"left\">61.6<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\">7<\/p>\n<\/td>\n<td>\n<p align=\"left\">DeepSeek-OCR<\/p>\n<\/td>\n<td>\n<p align=\"left\">vLLM (GPU)<\/p>\n<\/td>\n<td>\n<p align=\"left\">56.3<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\">8<\/p>\n<\/td>\n<td>\n<p align=\"left\">Cotype Light 3 (+MTP)<\/p>\n<\/td>\n<td>\n<p align=\"left\">vLLM (GPU)<\/p>\n<\/td>\n<td>\n<p align=\"left\">37.7<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\">9<\/p>\n<\/td>\n<td>\n<p align=\"left\">Dots.OCR<\/p>\n<\/td>\n<td>\n<p align=\"left\">SGLang (GPU)<\/p>\n<\/td>\n<td>\n<p align=\"left\">27.9<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\">10<\/p>\n<\/td>\n<td>\n<p align=\"left\">Cotype Light 3<\/p>\n<\/td>\n<td>\n<p align=\"left\">vLLM (GPU)<\/p>\n<\/td>\n<td>\n<p align=\"left\">26.5<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\">11<\/p>\n<\/td>\n<td>\n<p align=\"left\">Qwen2.5-VL-7B<\/p>\n<\/td>\n<td>\n<p align=\"left\">SGLang (GPU)<\/p>\n<\/td>\n<td>\n<p align=\"left\">21.3<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\">12<\/p>\n<\/td>\n<td>\n<p align=\"left\">Qwen2.5-VL-7B<\/p>\n<\/td>\n<td>\n<p align=\"left\">vLLM (GPU)<\/p>\n<\/td>\n<td>\n<p align=\"left\">21.1<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\">13<\/p>\n<\/td>\n<td>\n<p align=\"left\">PaddleOCR v5<\/p>\n<\/td>\n<td>\n<p align=\"left\">CPU<\/p>\n<\/td>\n<td>\n<p align=\"left\">15.0<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\">14<\/p>\n<\/td>\n<td>\n<p align=\"left\">Qwen2.5-VL-7B<\/p>\n<\/td>\n<td>\n<p align=\"left\">Native HF (GPU)<\/p>\n<\/td>\n<td>\n<p align=\"left\">10.9<\/p>\n<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<\/div>\n<\/div>\n<p>\u0412 \u043b\u0438\u0434\u0435\u0440\u0430\u0445 Tesseract (193) \u0438 RapidOCR (143) \u043d\u0430 CPU. \u041d\u0430 GPU \u0431\u044b\u0441\u0442\u0440\u0435\u0435 \u0432\u0441\u0435\u0433\u043e PaddleOCR-VL \u043f\u043e\u0434 SGLang (111) \u0438 \u043f\u043e\u0434 vLLM (99). EasyOCR (105) \u0434\u0430\u0435\u0442 \u043d\u0435\u043f\u043b\u043e\u0445\u043e\u0439 CPU-\u0440\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442. \u0410\u0443\u0442\u0441\u0430\u0439\u0434\u0435\u0440\u044b: Qwen2.5-VL-7B (21 \u043d\u0430 vLLM\/SGLang, 11 \u043d\u0430 Native) \u0438 PaddleOCR v5 (15 \u0441\u0442\u0440\/\u043c\u0438\u043d \u043d\u0430 CPU).<\/p>\n<p>\u041a\u0430\u0436\u0435\u0442\u0441\u044f \u043e\u0447\u0435\u0432\u0438\u0434\u043d\u044b\u043c, \u0447\u0442\u043e \u0442\u0440\u0430\u0434\u0438\u0446\u0438\u043e\u043d\u043d\u044b\u0439 OCR \u043d\u0430 CPU \u0431\u044b\u0441\u0442\u0440\u0435\u0435 VLM \u043d\u0430 GPU, \u0431\u0435\u0440\u0438\u0442\u0435 Tesseract. \u041d\u043e \u044d\u0442\u043e \u043b\u043e\u0432\u0443\u0448\u043a\u0430.<\/p>\n<p>\u041f\u043e\u0441\u043c\u043e\u0442\u0440\u0438\u0442\u0435 \u043d\u0430 \u043f\u043e\u043b\u043d\u043e\u0442\u0443 \u0432\u044b\u0432\u043e\u0434\u0430 \u2014 \u0441\u043a\u043e\u043b\u044c\u043a\u043e \u0441\u0438\u043c\u0432\u043e\u043b\u043e\u0432 \u0438\u043b\u0438 \u0442\u043e\u043a\u0435\u043d\u043e\u0432 \u043c\u043e\u0434\u0435\u043b\u044c \u0432\u044b\u0434\u0430\u0435\u0442 \u043d\u0430 \u043e\u0434\u043d\u0443 \u0441\u0442\u0440\u0430\u043d\u0438\u0446\u0443:<\/p>\n<figure class=\"full-width \"><img decoding=\"async\" src=\"https:\/\/habrastorage.org\/r\/w1560\/getpro\/habr\/upload_files\/e69\/4e1\/f61\/e694e1f615b5dd052e6bd83274c6ead8.png\" alt=\"OCR vs VLM: \u0441\u043a\u043e\u0440\u043e\u0441\u0442\u044c \u0438 \u043f\u043e\u043b\u043d\u043e\u0442\u0430\" title=\"OCR vs VLM: \u0441\u043a\u043e\u0440\u043e\u0441\u0442\u044c \u0438 \u043f\u043e\u043b\u043d\u043e\u0442\u0430\" width=\"2165\" height=\"1455\" sizes=\"auto, (max-width: 780px) 100vw, 50vw\" srcset=\"https:\/\/habrastorage.org\/r\/w780\/getpro\/habr\/upload_files\/e69\/4e1\/f61\/e694e1f615b5dd052e6bd83274c6ead8.png 780w,&#10;       https:\/\/habrastorage.org\/r\/w1560\/getpro\/habr\/upload_files\/e69\/4e1\/f61\/e694e1f615b5dd052e6bd83274c6ead8.png 781w\" loading=\"lazy\" decode=\"async\"\/><\/p>\n<div><figcaption>OCR vs VLM: \u0441\u043a\u043e\u0440\u043e\u0441\u0442\u044c \u0438 \u043f\u043e\u043b\u043d\u043e\u0442\u0430<\/figcaption><\/div>\n<\/figure>\n<p>\u00b7\u00a0 \u00a0 \u00a0 Tesseract: 411 \u0441\u0438\u043c\u0432\u043e\u043b\u043e\u0432\/\u0441\u0442\u0440<\/p>\n<p>\u00b7\u00a0 \u00a0 \u00a0 RapidOCR: 549<\/p>\n<p>\u00b7\u00a0 \u00a0 \u00a0 PaddleOCR v5: 766<\/p>\n<p>\u00b7\u00a0 \u00a0 \u00a0 EasyOCR: 795<\/p>\n<p>\u00b7\u00a0 \u00a0 \u00a0 PaddleOCR-VL: 1193 \u0442\u043e\u043a\u0435\u043d\u043e\u0432\/\u0441\u0442\u0440<\/p>\n<p>Tesseract \u0431\u044b\u0441\u0442\u0440\u044b\u0439 \u0438\u043c\u0435\u043d\u043d\u043e \u043f\u043e\u0442\u043e\u043c\u0443, \u0447\u0442\u043e \u0432\u043e\u0437\u0432\u0440\u0430\u0449\u0430\u0435\u0442 \u043c\u0435\u043d\u044c\u0448\u0435. \u041d\u0430 \u0441\u043b\u043e\u0436\u043d\u044b\u0445 \u0438\u0437\u043e\u0431\u0440\u0430\u0436\u0435\u043d\u0438\u044f\u0445 (\u0440\u0443\u043a\u043e\u043f\u0438\u0441\u044c, \u043d\u0438\u0437\u043a\u0438\u0439 \u043a\u043e\u043d\u0442\u0440\u0430\u0441\u0442, \u043d\u0430\u043a\u043b\u043e\u043d) \u043e\u043d \u043f\u0440\u043e\u043f\u0443\u0441\u043a\u0430\u0435\u0442 \u0443\u0447\u0430\u0441\u0442\u043a\u0438, \u0433\u0434\u0435 \u043d\u0435 \u0443\u0432\u0435\u0440\u0435\u043d, \u0438 \u0432\u043e\u0437\u0432\u0440\u0430\u0449\u0430\u0435\u0442 \u043f\u0443\u0441\u0442\u0443\u044e \u0441\u0442\u0440\u043e\u043a\u0443. \u0411\u044b\u0441\u0442\u0440\u043e \u043e\u0442\u0432\u0435\u0447\u0430\u0442\u044c \u00ab\u043d\u0435 \u0437\u043d\u0430\u044e\u00bb \u2014 \u0442\u0430\u043a \u0441\u0435\u0431\u0435 \u043f\u043e\u0431\u0435\u0434\u0430.<\/p>\n<p>EasyOCR \u043b\u0438\u0434\u0438\u0440\u0443\u0435\u0442 \u043f\u043e \u043f\u043e\u043b\u043d\u043e\u0442\u0435 \u0441\u0440\u0435\u0434\u0438 \u0442\u0440\u0430\u0434\u0438\u0446\u0438\u043e\u043d\u043d\u044b\u0445 OCR-\u043c\u043e\u0434\u0435\u043b\u0435\u0439 (795 \u0441\u0438\u043c\u0432\u043e\u043b\u043e\u0432) \u043f\u0440\u0438 \u0440\u0430\u0437\u0443\u043c\u043d\u044b\u0445 105 \u0441\u0442\u0440\/\u043c\u0438\u043d, \u044d\u0442\u043e \u0447\u0435\u0441\u0442\u043d\u044b\u0439 CPU-\u0431\u0435\u0439\u0437\u043b\u0430\u0439\u043d. RapidOCR \u043f\u0440\u0438 549 \u0441\u0438\u043c\u0432\u043e\u043b\u0430\u0445 \u2014 \u043a\u043e\u043c\u043f\u0440\u043e\u043c\u0438\u0441\u0441 \u043c\u0435\u0436\u0434\u0443 \u0441\u043a\u043e\u0440\u043e\u0441\u0442\u044c\u044e \u0438 \u043f\u043e\u043b\u043d\u043e\u0442\u043e\u0439.<\/p>\n<p>VLM \u0432\u044b\u0434\u0430\u044e\u0442 \u043d\u0430 \u043f\u043e\u0440\u044f\u0434\u043e\u043a \u0431\u043e\u043b\u044c\u0448\u0435 \u0442\u043e\u043a\u0435\u043d\u043e\u0432, \u043f\u043e\u0442\u043e\u043c\u0443 \u0447\u0442\u043e \u0440\u0430\u0441\u043f\u043e\u0437\u043d\u0430\u044e\u0442 \u0440\u0430\u0437\u043c\u0435\u0442\u043a\u0443: \u0437\u0430\u0433\u043e\u043b\u043e\u0432\u043a\u0438, \u0441\u043f\u0438\u0441\u043a\u0438, \u0442\u0430\u0431\u043b\u0438\u0446\u044b \u0432 Markdown. 30\u201340% \u043e\u0431\u044a\u0435\u043c\u0430 \u0443 PaddleOCR-VL \u2014 \u044d\u0442\u043e \u043d\u0435 \u0441\u0430\u043c\u0438 \u0441\u0438\u043c\u0432\u043e\u043b\u044b, \u0430 \u0441\u0442\u0440\u0443\u043a\u0442\u0443\u0440\u0430 \u0434\u043e\u043a\u0443\u043c\u0435\u043d\u0442\u0430.<\/p>\n<p>\u0412\u044b\u0432\u043e\u0434: \u043a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u043e \u0440\u0430\u0441\u043f\u043e\u0437\u043d\u0430\u043d\u043d\u044b\u0445 \u0441\u0442\u0440\u0430\u043d\u0438\u0446 \u0432 \u043c\u0438\u043d\u0443\u0442\u0443 \u0431\u0435\u0437 \u043a\u043e\u043d\u0442\u0435\u043a\u0441\u0442\u0430 \u043f\u043e\u043b\u043d\u043e\u0442\u044b \u2014 \u0431\u0435\u0441\u043f\u043e\u043b\u0435\u0437\u043d\u0430\u044f \u043c\u0435\u0442\u0440\u0438\u043a\u0430. \u041d\u0430 \u043f\u0440\u043e\u0441\u0442\u044b\u0445 \u043f\u0435\u0447\u0430\u0442\u043d\u044b\u0445 \u0434\u043e\u043a\u0443\u043c\u0435\u043d\u0442\u0430\u0445 Tesseract \u0431\u0443\u0434\u0435\u0442 \u043b\u0438\u0434\u0435\u0440\u043e\u043c \u043f\u043e \u043f\u0440\u0438\u0447\u0438\u043d\u0435 \u043c\u0438\u043d\u0438\u043c\u0430\u043b\u044c\u043d\u043e\u0439 \u0432\u044b\u0447\u0438\u0441\u043b\u0438\u0442\u0435\u043b\u044c\u043d\u043e\u0439 \u0441\u043b\u043e\u0436\u043d\u043e\u0441\u0442\u0438. \u041d\u0430 \u0441\u043b\u043e\u0436\u043d\u044b\u0445 &#8212; \u043f\u043e \u043f\u0440\u0438\u0447\u0438\u043d\u0435 \u043f\u0440\u043e\u043f\u0443\u0441\u043a\u043e\u0432.<\/p>\n<h3>\u0420\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442 2. vLLM vs SGLang vs Native, 2-\u043a\u0440\u0430\u0442\u043d\u044b\u0439 \u0440\u0430\u0437\u0440\u044b\u0432 \u043d\u0430 \u043e\u0434\u043d\u043e\u0439 \u043c\u043e\u0434\u0435\u043b\u0438<\/h3>\n<p>\u041f\u043e\u0441\u043b\u0435 \u0432\u044b\u0431\u043e\u0440\u0430 VLM \u043d\u0443\u0436\u043d\u043e \u043e\u043f\u0440\u0435\u0434\u0435\u043b\u0438\u0442\u044c\u0441\u044f \u0441 \u0434\u0432\u0438\u0436\u043a\u043e\u043c \u0438\u043d\u0444\u0435\u0440\u0435\u043d\u0441\u0430.<\/p>\n<p><strong>\u0415\u0441\u0442\u044c \u0442\u0440\u0438 \u043a\u0430\u043d\u0434\u0438\u0434\u0430\u0442\u0430:<\/strong><\/p>\n<p>\u00b7\u00a0 <strong>vLLM<\/strong>: PagedAttention, \u0434\u0435-\u0444\u0430\u043a\u0442\u043e \u0441\u0442\u0430\u043d\u0434\u0430\u0440\u0442 \u0434\u043b\u044f \u043f\u0440\u043e\u0434\u0430. \u0428\u0438\u0440\u043e\u043a\u0430\u044f \u043f\u043e\u0434\u0434\u0435\u0440\u0436\u043a\u0430 \u043c\u043e\u0434\u0435\u043b\u0435\u0439, OpenAI-\u0441\u043e\u0432\u043c\u0435\u0441\u0442\u0438\u043c\u044b\u0439 API.<\/p>\n<p>\u00b7\u00a0 <strong>SGLang<\/strong>: RadixAttention, \u0430\u0433\u0440\u0435\u0441\u0441\u0438\u0432\u043d\u0430\u044f \u043e\u043f\u0442\u0438\u043c\u0438\u0437\u0430\u0446\u0438\u044f KV-cache. \u041b\u0443\u0447\u0448\u0435 \u043f\u0440\u043e\u043f\u0443\u0441\u043a\u043d\u0430\u044f \u0441\u043f\u043e\u0441\u043e\u0431\u043d\u043e\u0441\u0442\u044c \u043d\u0430 \u0441\u043f\u0435\u0446\u0438\u0430\u043b\u0438\u0437\u0438\u0440\u043e\u0432\u0430\u043d\u043d\u044b\u0445 \u043c\u043e\u0434\u0435\u043b\u044f\u0445, \u044d\u043a\u043e\u043d\u043e\u043c\u043d\u0435\u0435 \u043f\u043e \u043f\u0430\u043c\u044f\u0442\u0438.<\/p>\n<p>\u00b7\u00a0 <strong>Native HF Transformers<\/strong>: \u043f\u0440\u044f\u043c\u043e\u0439 AutoModel.generate(). \u041c\u0438\u043d\u0438\u043c\u0443\u043c \u0437\u0430\u0432\u0438\u0441\u0438\u043c\u043e\u0441\u0442\u0435\u0439, \u043c\u0430\u043a\u0441\u0438\u043c\u0443\u043c \u0441\u043e\u0432\u043c\u0435\u0441\u0442\u0438\u043c\u043e\u0441\u0442\u0438. \u0418\u0441\u043f\u043e\u043b\u044c\u0437\u0443\u0435\u0442\u0441\u044f \u0434\u043b\u044f \u043f\u0440\u043e\u0442\u043e\u0442\u0438\u043f\u0438\u0440\u043e\u0432\u0430\u043d\u0438\u044f.<\/p>\n<p>\u0427\u0442\u043e\u0431\u044b \u0438\u0437\u043e\u043b\u0438\u0440\u043e\u0432\u0430\u0442\u044c \u044d\u0444\u0444\u0435\u043a\u0442 \u0434\u0432\u0438\u0436\u043a\u0430, \u043c\u044b \u043f\u0440\u043e\u0433\u043d\u0430\u043b\u0438 \u043e\u0434\u043d\u0443 \u043c\u043e\u0434\u0435\u043b\u044c, Qwen2.5-VL-7B, \u043f\u043e\u0434 \u0432\u0441\u0435\u043c\u0438 \u0442\u0440\u0435\u043c\u044f:<\/p>\n<figure class=\"full-width \"><img decoding=\"async\" src=\"https:\/\/habrastorage.org\/r\/w1560\/getpro\/habr\/upload_files\/88b\/7b2\/e1d\/88b7b2e1dab3157b1ba5e87943e35721.png\" alt=\"Qwen2.5-VL-7B, \u0441\u0440\u0430\u0432\u043d\u0435\u043d\u0438\u0435 \u0434\u0432\u0438\u0436\u043a\u043e\u0432\" title=\"Qwen2.5-VL-7B, \u0441\u0440\u0430\u0432\u043d\u0435\u043d\u0438\u0435 \u0434\u0432\u0438\u0436\u043a\u043e\u0432\" width=\"1938\" height=\"759\" sizes=\"auto, (max-width: 780px) 100vw, 50vw\" srcset=\"https:\/\/habrastorage.org\/r\/w780\/getpro\/habr\/upload_files\/88b\/7b2\/e1d\/88b7b2e1dab3157b1ba5e87943e35721.png 780w,&#10;       https:\/\/habrastorage.org\/r\/w1560\/getpro\/habr\/upload_files\/88b\/7b2\/e1d\/88b7b2e1dab3157b1ba5e87943e35721.png 781w\" loading=\"lazy\" decode=\"async\"\/><\/p>\n<div><figcaption>Qwen2.5-VL-7B, \u0441\u0440\u0430\u0432\u043d\u0435\u043d\u0438\u0435 \u0434\u0432\u0438\u0436\u043a\u043e\u0432<\/figcaption><\/div>\n<\/figure>\n<p><strong>Qwen2.5-VL \u043f\u043e\u0434 Native vs vLLM vs SGLang<\/strong><\/p>\n<div>\n<div class=\"table\">\n<table>\n<tbody>\n<tr>\n<td>\n<p align=\"left\">\u0414\u0432\u0438\u0436\u043e\u043a<\/p>\n<\/td>\n<td data-colwidth=\"148\" width=\"148\">\n<p align=\"left\">TTFT, \u043c\u0441<\/p>\n<\/td>\n<td>\n<p align=\"left\">\u0441\u0442\u0440\/\u043c\u0438\u043d<\/p>\n<\/td>\n<td>\n<p align=\"left\">GPU memory, \u0413\u0411<\/p>\n<\/td>\n<td>\n<p align=\"left\">GPU util, %<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\">Native HF<\/p>\n<\/td>\n<td data-colwidth=\"148\" width=\"148\">\n<p align=\"left\">138.9<\/p>\n<\/td>\n<td>\n<p align=\"left\"><strong>10.9<\/strong><\/p>\n<\/td>\n<td>\n<p align=\"left\">49.6<\/p>\n<\/td>\n<td>\n<p align=\"left\">64.3<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\">vLLM<\/p>\n<\/td>\n<td data-colwidth=\"148\" width=\"148\">\n<p align=\"left\">78.4<\/p>\n<\/td>\n<td>\n<p align=\"left\"><strong>21.1<\/strong><\/p>\n<\/td>\n<td>\n<p align=\"left\">68.6<\/p>\n<\/td>\n<td>\n<p align=\"left\">98.7<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\">SGLang<\/p>\n<\/td>\n<td data-colwidth=\"148\" width=\"148\">\n<p align=\"left\">122.4<\/p>\n<\/td>\n<td>\n<p align=\"left\"><strong>21.3<\/strong><\/p>\n<\/td>\n<td>\n<p align=\"left\">56.5<\/p>\n<\/td>\n<td>\n<p align=\"left\">96.7<\/p>\n<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<\/div>\n<\/div>\n<p><strong>\u0412\u044b\u0432\u043e\u0434 1: Native HF \u043d\u0435 \u0434\u043b\u044f \u043f\u0440\u043e\u0434\u0430.<\/strong> \u0414\u0432\u0443\u043a\u0440\u0430\u0442\u043d\u043e\u0435 \u043e\u0442\u0441\u0442\u0430\u0432\u0430\u043d\u0438\u0435 \u0432 \u0441\u043a\u043e\u0440\u043e\u0441\u0442\u0438 \u0440\u0430\u0441\u043f\u043e\u0437\u043d\u0430\u0432\u0430\u043d\u0438\u044f \u2014 \u044d\u0442\u043e \u043d\u0435 \u043f\u0440\u043e\u0441\u0442\u043e \u00ab\u043d\u0435\u043c\u043d\u043e\u0433\u043e \u0445\u0443\u0436\u0435\u00bb, \u0430 \u0432\u0434\u0432\u043e\u0435 \u0445\u0443\u0436\u0435. \u0423\u0442\u0438\u043b\u0438\u0437\u0430\u0446\u0438\u044f GPU \u2014 64% \u043f\u0440\u043e\u0442\u0438\u0432 97\u201399%, Native HF \u043f\u0440\u043e\u0441\u0442\u043e \u043d\u0435 \u0443\u043c\u0435\u0435\u0442 \u0433\u0440\u0443\u0437\u0438\u0442\u044c \u043a\u0430\u0440\u0442\u0443. \u0421 \u0440\u043e\u0441\u0442\u043e\u043c \u043f\u0430\u0440\u0442\u0438\u0439 \u0437\u0430\u043f\u0440\u043e\u0441\u043e\u0432 (batch &gt; 1) \u0440\u0430\u0437\u0440\u044b\u0432 \u0441\u0442\u0430\u043d\u0435\u0442 \u0435\u0449\u0435 \u0437\u0430\u043c\u0435\u0442\u043d\u0435\u0435.<\/p>\n<p><strong>\u0412\u044b\u0432\u043e\u0434 2: \u0440\u0430\u0437\u043d\u0438\u0446\u0430 \u043c\u0435\u0436\u0434\u0443 vLLM vs SGLang \u0432 \u043f\u0440\u0435\u0434\u0435\u043b\u0430\u0445 \u043f\u043e\u0433\u0440\u0435\u0448\u043d\u043e\u0441\u0442\u0438.<\/strong> \u041f\u043e \u043f\u0440\u043e\u043f\u0443\u0441\u043a\u043d\u043e\u0439 \u0441\u043f\u043e\u0441\u043e\u0431\u043d\u043e\u0441\u0442\u0438 (throughput) \u043d\u0430 Qwen \u043e\u043d\u0438 \u0438\u0434\u0443\u0442 \u043f\u043e\u0447\u0442\u0438 \u043e\u0434\u0438\u043d\u0430\u043a\u043e\u0432\u043e (21.1 vs 21.3), \u043e\u0434\u043d\u0430\u043a\u043e\u00a0 vLLM \u043b\u0443\u0447\u0448\u0435 TTFT (78 \u043c\u0441 vs 122) \u0438 \u0432\u044b\u0438\u0433\u0440\u044b\u0432\u0430\u0435\u0442 \u0432 \u043f\u043b\u0430\u043d\u0435 \u0441\u043e\u0432\u043c\u0435\u0441\u0442\u0438\u043c\u043e\u0441\u0442\u0438 \u0441 \u043c\u043e\u0434\u0435\u043b\u044f\u043c\u0438. SGLang \u044d\u043a\u043e\u043d\u043e\u043c\u043d\u0435\u0435 \u043f\u043e \u043f\u0430\u043c\u044f\u0442\u0438 (57 \u0413\u0411 vs 69 \u0413\u0411 \u0443 vLLM) \u0438 \u0432 \u043f\u0440\u043e\u0433\u043e\u043d\u0430\u0445 \u043d\u0430 \u0441\u043f\u0435\u0446\u0438\u0430\u043b\u0438\u0437\u0438\u0440\u043e\u0432\u0430\u043d\u043d\u044b\u0445 \u043c\u043e\u0434\u0435\u043b\u044f\u0445 \u0434\u0430\u0432\u0430\u043b +5\u201314% \u043a \u043f\u0440\u043e\u043f\u0443\u0441\u043a\u043d\u043e\u0439 \u0441\u043f\u043e\u0441\u043e\u0431\u043d\u043e\u0441\u0442\u0438.<\/p>\n<p><strong>\u0420\u0435\u043a\u043e\u043c\u0435\u043d\u0434\u0430\u0446\u0438\u044f:<\/strong> \u043f\u043e \u0443\u043c\u043e\u043b\u0447\u0430\u043d\u0438\u044e \u0434\u043b\u044f \u043f\u0440\u043e\u0434\u0430\u043a\u0448\u0435\u043d\u0430 \u0431\u0435\u0440\u0435\u043c vLLM. \u041a SGLang \u0438\u0434\u0435\u043c, \u043a\u043e\u0433\u0434\u0430 \u043d\u0443\u0436\u043d\u0430 \u043c\u0430\u043a\u0441\u0438\u043c\u0430\u043b\u044c\u043d\u0430\u044f \u043f\u0440\u043e\u043f\u0443\u0441\u043a\u043d\u0430\u044f \u0441\u043f\u043e\u0441\u043e\u0431\u043d\u043e\u0441\u0442\u044c \u0438\u043b\u0438 \u043a\u043e\u0433\u0434\u0430 \u0443\u043f\u0435\u0440\u043b\u0438\u0441\u044c \u0432 \u043f\u0430\u043c\u044f\u0442\u044c \u0432\u0438\u0434\u0435\u043e\u043a\u0430\u0440\u0442\u044b. Native \u2014 \u0442\u043e\u043b\u044c\u043a\u043e \u0434\u043b\u044f \u0438\u0441\u0441\u043b\u0435\u0434\u043e\u0432\u0430\u043d\u0438\u0439 \u0432 Jupyter.<\/p>\n<h3>\u0420\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442 3. PaddleOCR-VL 1.7B \u043e\u0431\u0433\u043e\u043d\u044f\u0435\u0442 Qwen2.5-VL 7B \u0432 \u043f\u044f\u0442\u044c \u0441 \u043b\u0438\u0448\u043d\u0438\u043c \u0440\u0430\u0437 \u043f\u043e \u0441\u043a\u043e\u0440\u043e\u0441\u0442\u0438<\/h3>\n<p>\u0418 \u044d\u0442\u043e \u0433\u043b\u0430\u0432\u043d\u044b\u0439 \u043d\u0435\u043e\u0436\u0438\u0434\u0430\u043d\u043d\u044b\u0439 \u0440\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442 \u0431\u0435\u043d\u0447\u043c\u0430\u0440\u043a\u0430.\u00a0<\/p>\n<p>\u0412\u0441\u0435 \u0432\u043e\u0441\u0435\u043c\u044c VLM-\u043f\u0440\u043e\u0433\u043e\u043d\u043e\u0432 \u0432 \u043e\u0434\u043d\u043e\u0439 \u0442\u0430\u0431\u043b\u0438\u0446\u0435:<\/p>\n<div>\n<div class=\"table\">\n<table>\n<tbody>\n<tr>\n<td>\n<p align=\"left\">\u041c\u043e\u0434\u0435\u043b\u044c<\/p>\n<\/td>\n<td>\n<p align=\"left\">\u0414\u0432\u0438\u0436\u043e\u043a<\/p>\n<\/td>\n<td>\n<p align=\"left\">TTFT, \u043c\u0441<\/p>\n<\/td>\n<td>\n<p align=\"left\">\u0442\u043e\u043a\u0435\u043d\/\u0441<\/p>\n<\/td>\n<td>\n<p align=\"left\">\u0441\u0442\u0440\/\u043c\u0438\u043d<\/p>\n<\/td>\n<td>\n<p align=\"left\">\u0442\u043e\u043a\u0435\u043d\/<br \/>\u0441\u0442\u0440<\/p>\n<\/td>\n<td>\n<p align=\"left\">GPU mem, \u0413\u0411<\/p>\n<\/td>\n<td>\n<p align=\"left\">GPU util, %<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\">PaddleOCR-VL<\/p>\n<\/td>\n<td>\n<p align=\"left\">SGLang<\/p>\n<\/td>\n<td>\n<p align=\"left\">140.3<\/p>\n<\/td>\n<td>\n<p align=\"left\">604.2<\/p>\n<\/td>\n<td>\n<p align=\"left\"><strong>110.8<\/strong><\/p>\n<\/td>\n<td>\n<p align=\"left\">1193<\/p>\n<\/td>\n<td>\n<p align=\"left\">56.1<\/p>\n<\/td>\n<td>\n<p align=\"left\">90.2<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\">PaddleOCR-VL<\/p>\n<\/td>\n<td>\n<p align=\"left\">vLLM<\/p>\n<\/td>\n<td>\n<p align=\"left\">64.3<\/p>\n<\/td>\n<td>\n<p align=\"left\">571.7<\/p>\n<\/td>\n<td>\n<p align=\"left\">98.7<\/p>\n<\/td>\n<td>\n<p align=\"left\">1314<\/p>\n<\/td>\n<td>\n<p align=\"left\">69.6<\/p>\n<\/td>\n<td>\n<p align=\"left\">94.8<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\">Dots.OCR<\/p>\n<\/td>\n<td>\n<p align=\"left\">vLLM<\/p>\n<\/td>\n<td>\n<p align=\"left\">83.7<\/p>\n<\/td>\n<td>\n<p align=\"left\">221.4<\/p>\n<\/td>\n<td>\n<p align=\"left\">61.6<\/p>\n<\/td>\n<td>\n<p align=\"left\">666<\/p>\n<\/td>\n<td>\n<p align=\"left\">67.4<\/p>\n<\/td>\n<td>\n<p align=\"left\">96.1<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\">DeepSeek-OCR<\/p>\n<\/td>\n<td>\n<p align=\"left\">vLLM<\/p>\n<\/td>\n<td>\n<p align=\"left\">133.6<\/p>\n<\/td>\n<td>\n<p align=\"left\">419.5<\/p>\n<\/td>\n<td>\n<p align=\"left\">56.3<\/p>\n<\/td>\n<td>\n<p align=\"left\">1224<\/p>\n<\/td>\n<td>\n<p align=\"left\">70.2<\/p>\n<\/td>\n<td>\n<p align=\"left\">95.2<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\">Dots.OCR<\/p>\n<\/td>\n<td>\n<p align=\"left\">SGLang<\/p>\n<\/td>\n<td>\n<p align=\"left\">105.0<\/p>\n<\/td>\n<td>\n<p align=\"left\">252.9<\/p>\n<\/td>\n<td>\n<p align=\"left\">27.9<\/p>\n<\/td>\n<td>\n<p align=\"left\">1004<\/p>\n<\/td>\n<td>\n<p align=\"left\">56.3<\/p>\n<\/td>\n<td>\n<p align=\"left\">97.1<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\">Qwen2.5-VL-7B<\/p>\n<\/td>\n<td>\n<p align=\"left\">SGLang<\/p>\n<\/td>\n<td>\n<p align=\"left\">122.4<\/p>\n<\/td>\n<td>\n<p align=\"left\">90.6<\/p>\n<\/td>\n<td>\n<p align=\"left\">21.3<\/p>\n<\/td>\n<td>\n<p align=\"left\">442<\/p>\n<\/td>\n<td>\n<p align=\"left\">56.5<\/p>\n<\/td>\n<td>\n<p align=\"left\">96.7<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\">Qwen2.5-VL-7B<\/p>\n<\/td>\n<td>\n<p align=\"left\">vLLM<\/p>\n<\/td>\n<td>\n<p align=\"left\">78.4<\/p>\n<\/td>\n<td>\n<p align=\"left\">90.5<\/p>\n<\/td>\n<td>\n<p align=\"left\">21.1<\/p>\n<\/td>\n<td>\n<p align=\"left\">341<\/p>\n<\/td>\n<td>\n<p align=\"left\">68.6<\/p>\n<\/td>\n<td>\n<p align=\"left\">98.7<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\">Qwen2.5-VL-7B<\/p>\n<\/td>\n<td>\n<p align=\"left\">Native<\/p>\n<\/td>\n<td>\n<p align=\"left\">138.9<\/p>\n<\/td>\n<td>\n<p align=\"left\">41.4<\/p>\n<\/td>\n<td>\n<p align=\"left\">10.9<\/p>\n<\/td>\n<td>\n<p align=\"left\">333<\/p>\n<\/td>\n<td>\n<p align=\"left\">49.6<\/p>\n<\/td>\n<td>\n<p align=\"left\">64.3<\/p>\n<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<\/div>\n<\/div>\n<p>\u0423 PaddleOCR-VL \u0432\u0441\u0435\u0433\u043e 1,7 \u043c\u043b\u0440\u0434 \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u043e\u0432, \u0443 Qwen2.5-VL-7B \u2014 7 \u043c\u043b\u0440\u0434. \u041d\u043e \u043f\u0435\u0440\u0432\u0430\u044f \u0432 5,2 \u0440\u0430\u0437\u0430 \u043e\u043f\u0435\u0440\u0435\u0436\u0430\u0435\u0442 \u0432\u0442\u043e\u0440\u0443\u044e<strong> <\/strong>\u043f\u043e \u0441\u0442\u0440\u0430\u043d\u0438\u0446\u0430\u043c \u0432 \u043c\u0438\u043d\u0443\u0442\u0443 (110.8 \u043f\u0440\u043e\u0442\u0438\u0432 21.1\u201321.3) \u0438 \u0432 6,7 \u0440\u0430\u0437\u0430 \u2014 \u043f\u043e \u0442\u043e\u043a\u0435\u043d\u0430\u043c \u0432 \u0441\u0435\u043a\u0443\u043d\u0434\u0443 (604.2 \u043f\u0440\u043e\u0442\u0438\u0432 90.5\u201390.6). \u041f\u043e \u0441\u0442\u0440\u0430\u043d\u0438\u0446\u0430\u043c \u0432 \u043c\u0438\u043d\u0443\u0442\u0443 \u0440\u0430\u0437\u0440\u044b\u0432 \u043c\u0435\u043d\u044c\u0448\u0435, \u043f\u043e\u0442\u043e\u043c\u0443 \u0447\u0442\u043e PaddleOCR-VL \u0433\u0435\u043d\u0435\u0440\u0438\u0440\u0443\u0435\u0442 \u0431\u043e\u043b\u044c\u0448\u0435 \u0442\u043e\u043a\u0435\u043d\u043e\u0432 \u043d\u0430 \u0441\u0442\u0440\u0430\u043d\u0438\u0446\u0443 (1193 \u043f\u0440\u043e\u0442\u0438\u0432 341\u2013442) \u2014 \u0437\u0430 \u0441\u0447\u0435\u0442 markdown-\u0440\u0430\u0437\u043c\u0435\u0442\u043a\u0438 \u0432 \u0432\u044b\u0432\u043e\u0434\u0435.<\/p>\n<p><strong>\u041f\u043e\u0447\u0435\u043c\u0443 \u0442\u0430\u043a \u043f\u043e\u043b\u0443\u0447\u0430\u0435\u0442\u0441\u044f? <\/strong><\/p>\n<p>PaddleOCR-VL, DeepSeek-OCR \u0438 Dots.OCR \u2014 \u044d\u0442\u043e \u0441\u043f\u0435\u0446\u0438\u0430\u043b\u0438\u0437\u0438\u0440\u043e\u0432\u0430\u043d\u043d\u044b\u0435 OCR-VLM. \u041e\u043d\u0438 \u0434\u043e\u043e\u0431\u0443\u0447\u0435\u043d\u044b \u043d\u0430 \u0440\u0430\u0441\u043f\u043e\u0437\u043d\u0430\u0432\u0430\u043d\u0438\u0438 \u0434\u043e\u043a\u0443\u043c\u0435\u043d\u0442\u043e\u0432 \u0438 \u0432\u044b\u0434\u0430\u044e\u0442 \u0440\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442 \u0432 \u0432\u0438\u0434\u0435 Markdown \u0441 \u0440\u0430\u0437\u043c\u0435\u0442\u043a\u043e\u0439: \u0437\u0430\u0433\u043e\u043b\u043e\u0432\u043a\u0438, \u0442\u0430\u0431\u043b\u0438\u0446\u044b, \u0441\u043f\u0438\u0441\u043a\u0438. \u042d\u0442\u043e \u0432\u0438\u0434\u043d\u043e \u043f\u043e \u043f\u043e\u043a\u0430\u0437\u0430\u0442\u0435\u043b\u044e \u0442\u043e\u043a\u0435\u043d\/\u0441\u0442\u0440: 1193\u20131314 \u0443 \u0441\u043f\u0435\u0446\u0438\u0430\u043b\u0438\u0437\u0438\u0440\u043e\u0432\u0430\u043d\u043d\u044b\u0445 \u043f\u0440\u043e\u0442\u0438\u0432 341\u2013442 \u0443 Qwen. 30\u201340% \u043e\u0431\u044a\u0435\u043c\u0430 \u0443 \u0441\u043f\u0435\u0446\u0438\u0430\u043b\u0438\u0437\u0438\u0440\u043e\u0432\u0430\u043d\u043d\u044b\u0445 \u043c\u043e\u0434\u0435\u043b\u0435\u0439 \u2014 \u044d\u0442\u043e \u043d\u0435 \u0442\u0435\u043a\u0441\u0442, \u0430 \u0441\u0442\u0440\u0443\u043a\u0442\u0443\u0440\u0430.<\/p>\n<p>Qwen2.5-VL \u2014 \u043c\u043e\u0434\u0435\u043b\u044c \u043e\u0431\u0449\u0435\u0433\u043e \u043d\u0430\u0437\u043d\u0430\u0447\u0435\u043d\u0438\u044f (VLM): \u0443\u043c\u0435\u0435\u0442 \u043e\u0442\u0432\u0435\u0447\u0430\u0442\u044c \u043d\u0430 \u0432\u043e\u043f\u0440\u043e\u0441\u044b \u043f\u043e \u0438\u0437\u043e\u0431\u0440\u0430\u0436\u0435\u043d\u0438\u044e, \u043e\u043f\u0438\u0441\u044b\u0432\u0430\u0442\u044c \u0435\u0433\u043e, \u0440\u0430\u0437\u0431\u0438\u0440\u0430\u0442\u044c\u0441\u044f \u0432 \u0441\u0442\u0440\u0443\u043a\u0442\u0443\u0440\u0435 \u0434\u043e\u043a\u0443\u043c\u0435\u043d\u0442\u043e\u0432 \u0438 \u043c\u043d\u043e\u0433\u043e\u0435 \u0434\u0440\u0443\u0433\u043e\u0435. \u0417\u0430 \u0443\u043d\u0438\u0432\u0435\u0440\u0441\u0430\u043b\u044c\u043d\u043e\u0441\u0442\u044c \u043f\u043b\u0430\u0442\u0438\u043c \u0441\u043a\u043e\u0440\u043e\u0441\u0442\u044c\u044e. \u041f\u043b\u044e\u0441 Queen&#8217;s \u043f\u043e \u043f\u0440\u0438\u0440\u043e\u0434\u0435 \u043a\u043e\u043d\u0441\u0435\u0440\u0432\u0430\u0442\u0438\u0432\u043d\u044b: \u043d\u0430 \u043d\u0435\u0447\u0438\u0442\u0430\u0435\u043c\u044b\u0445 \u0443\u0447\u0430\u0441\u0442\u043a\u0430\u0445 \u043e\u043d\u0438 \u043c\u043e\u043b\u0447\u0430\u0442, \u0430 \u043d\u0435 \u0443\u0433\u0430\u0434\u044b\u0432\u0430\u044e\u0442. \u0414\u043b\u044f \u0440\u0443\u043a\u043e\u043f\u0438\u0441\u0438 \u044d\u0442\u043e \u0432\u0438\u0434\u0438\u0442\u0441\u044f \u043a\u0430\u043a \u00ab\u043d\u0438\u0437\u043a\u0430\u044f \u043f\u043e\u043b\u043d\u043e\u0442\u0430\u00bb, \u043d\u043e \u043d\u0430 \u0447\u0438\u0442\u0430\u0435\u043c\u044b\u0445 \u0434\u043e\u043a\u0443\u043c\u0435\u043d\u0442\u0430\u0445 \u044d\u0442\u043e \u043f\u043b\u044e\u0441, \u0442\u0430\u043a \u043a\u0430\u043a \u043c\u0435\u043d\u044c\u0448\u0435 \u0433\u0430\u043b\u043b\u044e\u0446\u0438\u043d\u0430\u0446\u0438\u0439.<\/p>\n<p><strong>\u0412\u044b\u0432\u043e\u0434.<\/strong> \u0421\u043f\u0435\u0446\u0438\u0430\u043b\u0438\u0437\u0430\u0446\u0438\u044f \u0431\u044c\u0435\u0442 scaling. \u041d\u0430 \u0437\u0430\u0434\u0430\u0447\u0435 \u0441 \u0443\u0437\u043a\u0438\u043c \u0441\u0446\u0435\u043d\u0430\u0440\u0438\u0435\u043c (\u0440\u0430\u0441\u043f\u043e\u0437\u043d\u0430\u0432\u0430\u043d\u0438\u0435 \u0434\u043e\u043a\u0443\u043c\u0435\u043d\u0442\u043e\u0432) \u043c\u0430\u043b\u0435\u043d\u044c\u043a\u0430\u044f \u0441\u043f\u0435\u0446\u0438\u0430\u043b\u0438\u0437\u0438\u0440\u043e\u0432\u0430\u043d\u043d\u0430\u044f \u043c\u043e\u0434\u0435\u043b\u044c \u043e\u0431\u0445\u043e\u0434\u0438\u0442 \u0432\u0441\u0435 \u0443\u043c\u0435\u044e\u0449\u0443\u044e \u0431\u043e\u043b\u044c\u0448\u0443\u044e. \u0418 \u043d\u0435 \u043d\u0430 10%, \u0430 \u0432 \u0440\u0430\u0437\u044b.<\/p>\n<h3>\u0420\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442 4. Cotype Light 3 \u0432 \u043a\u043b\u0430\u0441\u0441\u0435 VLM \u043e\u0431\u0449\u0435\u0433\u043e \u043d\u0430\u0437\u043d\u0430\u0447\u0435\u043d\u0438\u044f<\/h3>\n<p>\u0415\u0441\u043b\u0438 VLM-\u043a\u0438 \u043e\u0431\u0449\u0435\u0433\u043e \u043d\u0430\u0437\u043d\u0430\u0447\u0435\u043d\u0438\u044f \u0432\u0441\u0435 \u0440\u0430\u0432\u043d\u043e \u043c\u0435\u0434\u043b\u0435\u043d\u043d\u0435\u0435 \u0441\u043f\u0435\u0446-OCR, \u0435\u0441\u0442\u044c \u043b\u0438 \u0441\u043c\u044b\u0441\u043b \u0441\u0440\u0430\u0432\u043d\u0438\u0432\u0430\u0442\u044c \u043c\u043e\u0434\u0435\u043b\u0438 \u0432\u043d\u0443\u0442\u0440\u0438 \u044d\u0442\u043e\u0433\u043e \u043a\u043b\u0430\u0441\u0441\u0430?\u00a0<\/p>\n<p>\u041a\u043e\u0440\u043e\u0442\u043a\u0438\u0439 \u043e\u0442\u0432\u0435\u0442 \u2014 \u0435\u0441\u0442\u044c. \u0427\u0430\u0441\u0442\u043e \u043d\u0430\u043c \u043f\u0440\u0438\u0445\u043e\u0434\u0438\u0442\u0441\u044f \u0438\u043c\u0435\u0442\u044c \u0434\u0435\u043b\u043e \u0441\u043e \u0441\u0446\u0435\u043d\u0430\u0440\u0438\u044f\u043c\u0438, \u0432 \u043a\u043e\u0442\u043e\u0440\u044b\u0445 \u0440\u0430\u0441\u043f\u043e\u0437\u043d\u0430\u0432\u0430\u043d\u0438\u0435 \u0441\u043a\u0430\u043d\u043e\u0432 \u2014 \u043b\u0438\u0448\u044c \u0447\u0430\u0441\u0442\u044c \u0431\u043e\u043b\u0435\u0435 \u0448\u0438\u0440\u043e\u043a\u043e\u0439 \u0437\u0430\u0434\u0430\u0447\u0438: \u0434\u0438\u0430\u043b\u043e\u0433 \u043f\u043e \u0434\u043e\u043a\u0443\u043c\u0435\u043d\u0442\u0443, \u0432\u043e\u043f\u0440\u043e\u0441\u044b \u043f\u043e \u043a\u0430\u0440\u0442\u0438\u043d\u043a\u0435, \u0438\u043d\u0441\u0442\u0440\u0443\u043a\u0446\u0438\u0438 \u0441 \u043a\u0430\u0440\u0442\u0438\u043d\u043a\u043e\u0439 \u0438 \u043f\u0440\u043e\u0447\u0435\u0435. \u0412 \u0442\u0430\u043a\u0438\u0445 \u0441\u043b\u0443\u0447\u0430\u044f\u0445 \u0432\u044b\u0431\u0438\u0440\u0430\u0435\u043c \u043d\u0435 \u043c\u0435\u0436\u0434\u0443 PaddleOCR-VL \u0438 Qwen, \u0430 \u043c\u0435\u0436\u0434\u0443 \u0440\u0430\u0437\u043b\u0438\u0447\u043d\u044b\u043c\u0438 general-VLM.\u00a0<\/p>\n<p>\u041d\u0435\u0434\u0430\u0432\u043d\u043e \u043c\u044b \u0440\u0435\u043b\u0438\u0437\u043d\u0443\u043b\u0438 Cotype Light 3_9B, \u0438 \u0440\u0435\u0448\u0438\u043b\u0438 \u0437\u0430\u043e\u0434\u043d\u043e \u043f\u0440\u043e\u0433\u043d\u0430\u0442\u044c \u043d\u0430\u0448\u0443 \u043c\u0438\u043d\u0438-\u043c\u043e\u0434\u0435\u043b\u044c\u043a\u0443 \u0432 \u0434\u0432\u0443\u0445 \u0440\u0435\u0436\u0438\u043c\u0430\u0445: \u0431\u0435\u0439\u0437\u043b\u0430\u0439\u043d \u0438 \u0441 \u0432\u043a\u043b\u044e\u0447\u0435\u043d\u043d\u044b\u043c MTP (&#8212;speculative-config). MTP \u044d\u0442\u043e Multi-Token Prediction: \u0432 \u0447\u0435\u043a\u043f\u043e\u0438\u043d\u0442 Cotype \u0432\u0441\u0442\u0440\u043e\u0435\u043d\u0430 \u0434\u043e\u043f\u043e\u043b\u043d\u0438\u0442\u0435\u043b\u044c\u043d\u0430\u044f \u0433\u043e\u043b\u043e\u0432\u0430 model-mtp-injected.safetensors, \u043f\u0440\u0435\u0434\u0441\u043a\u0430\u0437\u044b\u0432\u0430\u044e\u0449\u0430\u044f \u0442\u0440\u0438 \u0442\u043e\u043a\u0435\u043d\u0430 \u0432\u043f\u0435\u0440\u0435\u0434. \u041e\u0441\u043d\u043e\u0432\u043d\u0430\u044f \u043c\u043e\u0434\u0435\u043b\u044c \u043f\u0440\u043e\u0432\u0435\u0440\u044f\u0435\u0442 \u0438\u0445 \u0437\u0430 \u043e\u0434\u0438\u043d forward-pass; \u043f\u0440\u0438 \u043f\u043e\u043f\u0430\u0434\u0430\u043d\u0438\u0438 \u043f\u043e\u043b\u0443\u0447\u0430\u0435\u043c \u043d\u0435\u0441\u043a\u043e\u043b\u044c\u043a\u043e \u0442\u043e\u043a\u0435\u043d\u043e\u0432 \u0437\u0430 \u043f\u0440\u043e\u0445\u043e\u0434 \u0432\u043c\u0435\u0441\u0442\u043e \u043e\u0434\u043d\u043e\u0433\u043e. \u041c\u0430\u0442\u0435\u043c\u0430\u0442\u0438\u0447\u0435\u0441\u043a\u0438 \u0438\u0434\u0435\u043d\u0442\u0438\u0447\u043d\u043e \u043e\u0431\u044b\u0447\u043d\u043e\u0439 \u0433\u0435\u043d\u0435\u0440\u0430\u0446\u0438\u0438, \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u043e \u0432\u044b\u0432\u043e\u0434\u0430 \u043d\u0435 \u043c\u0435\u043d\u044f\u0435\u0442\u0441\u044f. \u042d\u0442\u043e \u0440\u043e\u0434\u043d\u043e\u0439 \u0440\u0435\u0436\u0438\u043c \u043c\u043e\u0434\u0435\u043b\u0438, \u0430 \u043d\u0435 post-hoc \u043e\u043f\u0442\u0438\u043c\u0438\u0437\u0430\u0446\u0438\u044f \u043f\u043e\u0434 \u043d\u0430\u0448 \u0431\u0435\u043d\u0447. \u0414\u043b\u044f \u0441\u0440\u0430\u0432\u043d\u0435\u043d\u0438\u044f \u0432\u0437\u044f\u043b\u0438 Qwen2.5-VL-7B, \u043a\u0430\u043a \u0441\u0442\u0430\u043d\u0434\u0430\u0440\u0442\u043d\u0443\u044e VLM \u043f\u043e\u0434 OCR-\u0437\u0430\u0434\u0430\u0447\u0438.\u00a0<\/p>\n<p>\u0420\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442\u044b \u0432 \u0442\u0430\u0431\u043b\u0438\u0446\u0435:<\/p>\n<div>\n<div class=\"table\">\n<table>\n<tbody>\n<tr>\n<td>\n<p align=\"left\">\u041c\u043e\u0434\u0435\u043b\u044c<\/p>\n<\/td>\n<td>\n<p align=\"left\">\u0414\u0432\u0438\u0436\u043e\u043a<\/p>\n<\/td>\n<td>\n<p align=\"left\">TTFT, \u043c\u0441<\/p>\n<\/td>\n<td>\n<p align=\"left\">\u0441\u0442\u0440.\/\u043c\u0438\u043d.<\/p>\n<\/td>\n<td>\n<p align=\"left\">\u0441\/\u0441\u0442\u0440.<\/p>\n<\/td>\n<td>\n<p align=\"left\">GPU mem, \u0413\u0411<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\">Qwen2.5-VL-7B<\/p>\n<\/td>\n<td>\n<p align=\"left\">vLLM<\/p>\n<\/td>\n<td>\n<p align=\"left\">78.4<\/p>\n<\/td>\n<td>\n<p align=\"left\">21.1<\/p>\n<\/td>\n<td>\n<p align=\"left\">3.75<\/p>\n<\/td>\n<td>\n<p align=\"left\">68.6<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\">Cotype Light 3<\/p>\n<\/td>\n<td>\n<p align=\"left\">vLLM<\/p>\n<\/td>\n<td>\n<p align=\"left\">86.6<\/p>\n<\/td>\n<td>\n<p align=\"left\">26.5<\/p>\n<\/td>\n<td>\n<p align=\"left\">4.29<\/p>\n<\/td>\n<td>\n<p align=\"left\">71.3<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\">Cotype Light 3<\/p>\n<\/td>\n<td>\n<p align=\"left\">vLLM + MTP<\/p>\n<\/td>\n<td>\n<p align=\"left\">93.1<\/p>\n<\/td>\n<td>\n<p align=\"left\"><strong>37.7<\/strong><\/p>\n<\/td>\n<td>\n<p align=\"left\">2.28<\/p>\n<\/td>\n<td>\n<p align=\"left\">72.2<\/p>\n<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<\/div>\n<\/div>\n<p>Baseline \u0434\u0430\u0435\u0442 +25% \u043a Qwen2.5-VL-7B (26.5 \u043f\u0440\u043e\u0442\u0438\u0432 21.1). MTP-\u0440\u0435\u0436\u0438\u043c \u2014 +79% (37.7 vs 21.1). TTFT \u043e\u0441\u0442\u0430\u0435\u0442\u0441\u044f \u0432 \u0438\u043d\u0442\u0435\u0440\u0430\u043a\u0442\u0438\u0432\u043d\u043e\u043c \u0434\u0438\u0430\u043f\u0430\u0437\u043e\u043d\u0435 86\u201393 \u043c\u0441, \u043e\u0442\u043a\u043b\u0438\u043a \u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u0442\u0435\u043b\u044f \u043d\u0435 \u0441\u0442\u0440\u0430\u0434\u0430\u0435\u0442. \u0420\u0430\u0441\u0445\u043e\u0434 VRAM \u0441\u043e\u043f\u043e\u0441\u0442\u0430\u0432\u0438\u043c: 71\u201372 vs 69 \u0413\u0411 \u043d\u0430 A100 80.<\/p>\n<p>\u041a\u043e\u043b\u043e\u043d\u043a\u0443 \u043f\u043e \u043f\u0440\u043e\u043f\u0443\u0441\u043a\u043d\u043e\u0439 \u0441\u043f\u043e\u0441\u043e\u0431\u043d\u043e\u0441\u0442\u0438 (\u0442\u043e\u043a\u0435\u043d\/\u0441\u0435\u043a) \u043c\u044b \u043d\u0430\u043c\u0435\u0440\u0435\u043d\u043d\u043e \u043d\u0435 \u043f\u0440\u0438\u0432\u043e\u0434\u0438\u043c, \u0442\u0430\u043a \u043a\u0430\u043a \u043d\u0430\u0448 streaming-\u0441\u0447\u0435\u0442\u0447\u0438\u043a \u0438\u043d\u043a\u0440\u0435\u043c\u0435\u043d\u0442\u0438\u0440\u0443\u0435\u0442 \u0442\u043e\u043a\u0435\u043d \u043d\u0430 \u043a\u0430\u0436\u0434\u044b\u0439 SSE-\u0447\u0430\u043d\u043a, \u0430 vLLM \u0432 spec-\u0440\u0435\u0436\u0438\u043c\u0435 \u0443\u043f\u0430\u043a\u043e\u0432\u044b\u0432\u0430\u0435\u0442 \u0432 \u0447\u0430\u043d\u043a \u043d\u0435\u0441\u043a\u043e\u043b\u044c\u043a\u043e \u043f\u0440\u0438\u043d\u044f\u0442\u044b\u0445 \u0442\u043e\u043a\u0435\u043d\u043e\u0432. Wall-clock \u043c\u0435\u0442\u0440\u0438\u043a\u0438 (\u0441\u0442\u0440\/\u043c\u0438\u043d, \u0441\u0435\u043a\/\u0441\u0442\u0440) \u0441\u0447\u0438\u0442\u0430\u044e\u0442\u0441\u044f \u043e\u0442 time.perf_counter() \u0438 \u0434\u043e\u0441\u0442\u043e\u0432\u0435\u0440\u043d\u044b.<\/p>\n<p>\u0421\u043e \u0441\u043f\u0435\u0446-OCR \u0442\u0438\u043f\u0430 PaddleOCR-VL, Dots.OCR \u0438 DeepSeek-OCR \u0441\u0440\u0430\u0432\u043d\u0438\u0432\u0430\u0442\u044c Cotype Light 3 \u043d\u0430\u043f\u0440\u044f\u043c\u0443\u044e \u0431\u0435\u0441\u0441\u043c\u044b\u0441\u043b\u0435\u043d\u043d\u043e, \u043e\u043d\u0438 \u0441\u043e\u0437\u0434\u0430\u043d\u044b \u043f\u043e\u0434 \u0434\u0440\u0443\u0433\u043e\u0439 \u043a\u043b\u0430\u0441\u0441 \u0437\u0430\u0434\u0430\u0447. \u0410 \u0432\u043d\u0443\u0442\u0440\u0438 \u0441\u0432\u043e\u0435\u0433\u043e Cotype Light 3 \u0441\u0435\u0439\u0447\u0430\u0441 \u0432\u043f\u0435\u0440\u0435\u0434\u0438 Qwen2.5-VL-7B \u2014 \u0438 \u044d\u0442\u043e \u0440\u0430\u0434\u0443\u0435\u0442.<\/p>\n<h3>\u0420\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442 5. \u0426\u0435\u043d\u0430 \u0441\u043a\u043e\u0440\u043e\u0441\u0442\u0438, GPU \u043f\u0430\u043c\u044f\u0442\u044c \u0438 \u0443\u0442\u0438\u043b\u0438\u0437\u0430\u0446\u0438\u044f<\/h3>\n<p>\u0421\u043a\u043e\u0440\u043e\u0441\u0442\u044c VLM \u043d\u0435 \u0431\u0435\u0441\u043f\u043b\u0430\u0442\u043d\u0430. \u0413\u043b\u0430\u0432\u043d\u044b\u0439 \u0440\u0435\u0441\u0443\u0440\u0441 \u044d\u0442\u043e VRAM.<\/p>\n<p>\u0418\u0437 \u0442\u0430\u0431\u043b\u0438\u0446\u044b \u0432\u044b\u0448\u0435 \u0432\u0438\u0434\u043d\u044b \u0442\u0440\u0438 \u0437\u0430\u043a\u043e\u043d\u043e\u043c\u0435\u0440\u043d\u043e\u0441\u0442\u0438:<\/p>\n<p>1.\u00a0 \u00a0 \u00a0 <strong>vLLM \u0435\u0441\u0442 \u0431\u043e\u043b\u044c\u0448\u0435 \u043f\u0430\u043c\u044f\u0442\u0438 (~70 \u0413\u0411), \u0447\u0435\u043c SGLang (~56 \u0413\u0411)<\/strong>. \u042d\u0442\u043e \u043f\u043b\u0430\u0442\u0430 \u0437\u0430 PagedAttention \u0438 \u0431\u043e\u043b\u0435\u0435 \u0430\u0433\u0440\u0435\u0441\u0441\u0438\u0432\u043d\u0443\u044e \u043f\u0440\u0435\u0430\u043b\u043b\u043e\u043a\u0430\u0446\u0438\u044e KV-cache. \u0414\u043b\u044f \u043e\u0434\u043d\u043e\u0439 \u043c\u043e\u0434\u0435\u043b\u0438 \u043d\u0430 80GB-\u043a\u0430\u0440\u0442\u0435 \u044d\u0442\u043e \u043d\u043e\u0440\u043c\u0430\u043b\u044c\u043d\u043e, \u043d\u043e \u0435\u0441\u043b\u0438 \u0445\u043e\u0447\u0435\u0442\u0441\u044f \u043a\u0440\u0443\u0442\u0438\u0442\u044c \u0434\u0432\u0435 \u043c\u043e\u0434\u0435\u043b\u0438 \u0440\u044f\u0434\u043e\u043c \u0438\u043b\u0438 \u043d\u0443\u0436\u0435\u043d \u0437\u0430\u043f\u0430\u0441 \u043f\u043e\u0434 \u0431\u0430\u0442\u0447, SGLang \u0432\u044b\u0433\u043e\u0434\u043d\u0435\u0435.<\/p>\n<p>2.<strong> \u00a0 \u00a0 \u0417\u0430\u0433\u0440\u0443\u0437\u043a\u0430 GPU \u0443 vLLM \u0438 SGLang \u043d\u0430 \u0443\u0440\u043e\u0432\u043d\u0435 90\u201398%, <\/strong>\u0432\u043f\u0440\u0438\u0442\u044b\u043a<strong> <\/strong>\u043a \u043f\u043e\u0442\u043e\u043b\u043a\u0443 \u0436\u0435\u043b\u0435\u0437\u0430. \u042d\u0442\u043e \u0437\u043d\u0430\u0447\u0438\u0442, \u0447\u0442\u043e \u0434\u0430\u043b\u044c\u043d\u0435\u0439\u0448\u0438\u0439 \u0440\u043e\u0441\u0442 \u0432\u043e\u0437\u043c\u043e\u0436\u0435\u043d \u0442\u043e\u043b\u044c\u043a\u043e \u043e\u0442 \u0431\u0430\u0442\u0447\u0438\u043d\u0433\u0430 \u0438\u043b\u0438 \u0431\u043e\u043b\u0435\u0435 \u0431\u044b\u0441\u0442\u0440\u043e\u0439 \u043a\u0430\u0440\u0442\u044b.<\/p>\n<p>3. \u00a0 \u00a0 <strong>Native HF Transformers \u043f\u0440\u043e\u0441\u0442\u043e \u043d\u0435 \u0443\u043c\u0435\u0435\u0442 \u0437\u0430\u0433\u0440\u0443\u0436\u0430\u0442\u044c GPU<\/strong> \u2014 \u0432\u0441\u0435\u0433\u043e 64%. \u0418\u0441\u043f\u043e\u043b\u044c\u0437\u0443\u0435\u0442 \u043c\u0435\u043d\u044c\u0448\u0435 \u043f\u0430\u043c\u044f\u0442\u0438, \u0447\u0435\u043c \u0434\u0432\u0438\u0436\u043a\u0438 (~50 \u0413\u0411), \u043d\u043e \u0441\u043a\u043e\u0440\u043e\u0441\u0442\u044c \u0432 \u0434\u0432\u0430 \u0440\u0430\u0437\u0430 \u043d\u0438\u0436\u0435 \u043d\u0435 \u0438\u0437-\u0437\u0430 \u043f\u0430\u043c\u044f\u0442\u0438, \u0430 \u043f\u043e\u0442\u043e\u043c\u0443 \u0447\u0442\u043e \u043c\u0435\u0436\u0434\u0443 \u0442\u043e\u043a\u0435\u043d\u0430\u043c\u0438 \u043a\u0430\u0440\u0442\u0430 \u043f\u0440\u043e\u0441\u0442\u0430\u0438\u0432\u0430\u0435\u0442.<\/p>\n<p><strong>\u041f\u0440\u0430\u043a\u0442\u0438\u0447\u0435\u0441\u043a\u0438\u0439 \u0432\u044b\u0432\u043e\u0434<\/strong><\/p>\n<p>\u0415\u0441\u043b\u0438 \u0432\u044b \u0432\u044b\u043d\u0443\u0436\u0434\u0435\u043d\u044b \u0434\u0435\u043b\u0438\u0442\u044c\u0441\u044f A100, \u043a\u0430\u043a \u043c\u044b (\u043d\u0430\u043c \u0431\u044b\u043b\u043e \u0440\u0435\u0430\u043b\u044c\u043d\u043e \u0434\u043e\u0441\u0442\u0443\u043f\u043d\u043e ~48 \u0413\u0411 \u0438\u0437 80), \u0443 \u0432\u0430\u0441 \u0434\u0432\u0430 \u0432\u0430\u0440\u0438\u0430\u043d\u0442\u0430:<\/p>\n<p>\u00b7\u00a0 SGLang + \u0441\u043f\u0435\u0446\u0438\u0430\u043b\u0438\u0437\u0438\u0440\u043e\u0432\u0430\u043d\u043d\u0430\u044f \u043c\u043e\u0434\u0435\u043b\u044c (56 \u0413\u0411, \u0432\u043f\u0440\u0438\u0442\u044b\u043a). \u0420\u0430\u0431\u043e\u0442\u0430\u0435\u0442 \u0441 \u043e\u0433\u043e\u0432\u043e\u0440\u043a\u0430\u043c\u0438.<\/p>\n<p>\u00b7\u00a0 vLLM + \u043b\u044e\u0431\u0430\u044f VLM (69+ \u0413\u0411). \u041d\u0435 \u043f\u043e\u043c\u0435\u0449\u0430\u0435\u0442\u0441\u044f, \u043d\u0443\u0436\u043d\u0430 \u0432\u044b\u0434\u0435\u043b\u0435\u043d\u043d\u0430\u044f \u043a\u0430\u0440\u0442\u0430 \u0438\u043b\u0438 \u043c\u0435\u043d\u044c\u0448\u0430\u044f \u043c\u043e\u0434\u0435\u043b\u044c.<\/p>\n<p>\u041d\u0430 \u0432\u044b\u0434\u0435\u043b\u0435\u043d\u043d\u043e\u0439 A100 80GB \u043e\u0431\u0435 \u0441\u0432\u044f\u0437\u043a\u0438 \u0440\u0430\u0431\u043e\u0442\u0430\u044e\u0442 \u043a\u043e\u043c\u0444\u043e\u0440\u0442\u043d\u043e.<\/p>\n<h3>\u041e\u0441\u0442\u043e\u0440\u043e\u0436\u043d\u043e \u0441 \u044d\u0442\u0438\u043c\u0438 \u0446\u0438\u0444\u0440\u0430\u043c\u0438<\/h3>\n<p>\u0411\u0443\u0434\u0435\u043c \u0447\u0435\u0441\u0442\u043d\u044b, \u043d\u0435\u043a\u043e\u0442\u043e\u0440\u044b\u0435 \u043d\u0430\u0448\u0438 \u0432\u044b\u0432\u043e\u0434\u044b \u043f\u043e \u044d\u0442\u043e\u043c\u0443 \u0431\u0435\u043d\u0447\u0443 \u0441\u0442\u043e\u0438\u0442 \u0447\u0438\u0442\u0430\u0442\u044c, \u0431\u0435\u0440\u044f \u0432\u043e \u0432\u043d\u0438\u043c\u0430\u043d\u0438\u0435 \u0441\u043b\u0435\u0434\u0443\u044e\u0449\u0438\u0435 \u043e\u0433\u043e\u0432\u043e\u0440\u043a\u0438:<\/p>\n<ul>\n<li>\n<p>\u0414\u043b\u044f \u0442\u0435\u0441\u0442\u043e\u0432 \u043c\u044b \u0431\u0440\u0430\u043b\u0438 A100 80GB, \u043d\u043e \u0438\u0437-\u0437\u0430 \u043f\u0430\u0440\u0430\u043b\u043b\u0435\u043b\u044c\u043d\u043e\u0439 \u043d\u0430\u0433\u0440\u0443\u0437\u043a\u0438 \u0434\u0440\u0443\u0433\u0438\u0445 \u043a\u043e\u043c\u0430\u043d\u0434 \u0440\u0435\u0430\u043b\u044c\u043d\u043e \u0431\u044b\u043b\u043e \u0434\u043e\u0441\u0442\u0443\u043f\u043d\u043e ~48 \u0413\u0411. \u041d\u0430 \u0432\u044b\u0434\u0435\u043b\u0435\u043d\u043d\u043e\u0439 \u043a\u0430\u0440\u0442\u0435 \u0430\u0431\u0441\u043e\u043b\u044e\u0442\u043d\u044b\u0435 \u0447\u0438\u0441\u043b\u0430 \u0431\u0443\u0434\u0443\u0442 \u0432\u044b\u0448\u0435, \u043d\u043e \u043e\u0442\u043d\u043e\u0441\u0438\u0442\u0435\u043b\u044c\u043d\u044b\u0435 \u0440\u0430\u0437\u0440\u044b\u0432\u044b (Native vs \u0434\u0432\u0438\u0436\u043a\u0438, PaddleOCR-VL vs Qwen) \u0441\u043e\u0445\u0440\u0430\u043d\u044f\u0442\u0441\u044f, \u044d\u0442\u043e \u043d\u0430\u0433\u0440\u0443\u0437\u043e\u0447\u043d\u043e\u0435 \u0441\u0432\u043e\u0439\u0441\u0442\u0432\u043e, \u043d\u0435 \u0437\u0430\u0432\u0438\u0441\u044f\u0449\u0435\u0435 \u043e\u0442 \u0441\u0432\u043e\u0431\u043e\u0434\u043d\u043e\u0439 \u043f\u0430\u043c\u044f\u0442\u0438.<\/p>\n<\/li>\n<li>\n<p>Batch = 1. \u0412\u0441\u0435 \u0437\u0430\u043c\u0435\u0440\u044b \u043f\u0440\u043e\u0432\u043e\u0434\u0438\u043b\u0438\u0441\u044c \u043f\u043e \u043e\u0434\u043d\u043e\u043c\u0443 \u0437\u0430\u043f\u0440\u043e\u0441\u0443 \u0437\u0430 \u0440\u0430\u0437. \u0412 \u0440\u0435\u0430\u043b\u044c\u043d\u043e\u0439 \u043d\u0430\u0433\u0440\u0443\u0437\u043a\u0435 \u0441 \u0431\u0430\u0442\u0447\u0438\u043d\u0433\u043e\u043c \u0440\u0430\u0437\u0440\u044b\u0432 vLLM\/SGLang \u043d\u0430\u0434 Native \u0431\u0443\u0434\u0435\u0442 \u0435\u0449\u0435 \u0431\u043e\u043b\u044c\u0448\u0435, \u0434\u0432\u0438\u0436\u043a\u0438 \u0438\u043c\u0435\u043d\u043d\u043e \u0440\u0430\u0434\u0438 batched inference \u0438 \u0441\u0434\u0435\u043b\u0430\u043d\u044b.<\/p>\n<\/li>\n<li>\n<p>\u0422\u0435\u0441\u0442\u0438\u0440\u043e\u0432\u0430\u043b\u0438 \u043d\u0430 15 \u0441\u0435\u043c\u043f\u043b\u0430\u0445: \u043f\u044f\u0442\u044c \u043d\u043e\u0440\u043c\u0430\u043b\u044c\u043d\u044b\u0445 \u0441\u043a\u0430\u043d\u043e\u0432 + \u043f\u044f\u0442\u044c \u0437\u0430\u0442\u0435\u043c\u043d\u0435\u043d\u043d\u044b\u0445 + \u043f\u044f\u0442\u044c \u0437\u0430\u0441\u0432\u0435\u0447\u0435\u043d\u043d\u044b\u0445, \u0432\u044b\u0431\u0440\u0430\u043d\u043d\u044b\u0445 \u0447\u0435\u0440\u0435\u0437 random_state=42. \u0421\u0442\u0430\u0442\u0438\u0441\u0442\u0438\u0447\u0435\u0441\u043a\u0430\u044f \u043c\u043e\u0449\u043d\u043e\u0441\u0442\u044c \u043e\u0433\u0440\u0430\u043d\u0438\u0447\u0435\u043d\u0430, \u043d\u043e \u043f\u0440\u0438 \u0440\u0430\u0437\u0440\u044b\u0432\u0430\u0445 \u0432 2\u20136 \u0440\u0430\u0437 \u044d\u0442\u043e \u0443\u0436\u0435 \u043d\u0435 \u0448\u0443\u043c.<\/p>\n<\/li>\n<li>\n<p>\u0411\u0440\u0430\u043b\u0438 \u0442\u043e\u043b\u044c\u043a\u043e \u0440\u0443\u0441\u0441\u043a\u043e\u044f\u0437\u044b\u0447\u043d\u0443\u044e \u0440\u0443\u043a\u043e\u043f\u0438\u0441\u044c (\u0430\u0434 \u0434\u043b\u044f OCR). \u041d\u0430 \u043f\u0435\u0447\u0430\u0442\u043d\u044b\u0445 \u0434\u043e\u043a\u0443\u043c\u0435\u043d\u0442\u0430\u0445 \u0430\u0431\u0441\u043e\u043b\u044e\u0442\u043d\u044b\u0435 \u0446\u0438\u0444\u0440\u044b \u0443 \u0432\u0441\u0435\u0445 \u0431\u0443\u0434\u0443\u0442 \u0432\u044b\u0448\u0435, \u043e\u0441\u043e\u0431\u0435\u043d\u043d\u043e \u0443 Tesseract, \u043e\u043d \u043e\u0442\u0441\u0442\u0430\u0435\u0442 \u0438\u043c\u0435\u043d\u043d\u043e \u043d\u0430 \u0440\u0443\u043a\u043e\u043f\u0438\u0441\u0438.<\/p>\n<\/li>\n<li>\n<p>CER\/WER \u043d\u0435 \u0441\u0447\u0438\u0442\u0430\u043b\u0438. \u042d\u0442\u043e \u0431\u0435\u043d\u0447\u043c\u0430\u0440\u043a \u0441\u043a\u043e\u0440\u043e\u0441\u0442\u0438, \u043d\u0435 \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u0430. \u042d\u0442\u0430\u043b\u043e\u043d\u043d\u0430\u044f \u0440\u0430\u0437\u043c\u0435\u0442\u043a\u0430 \u0434\u043b\u044f \u043a\u0430\u0447\u0435\u0441\u0442\u0432\u0435\u043d\u043d\u044b\u0445 \u043c\u0435\u0442\u0440\u0438\u043a \u0443\u0436\u0435 \u0433\u043e\u0442\u043e\u0432\u0438\u0442\u0441\u044f: 15 \u0441\u0442\u0440\u0430\u043d\u0438\u0446 \u0440\u0430\u0437\u043c\u0435\u0447\u0435\u043d\u044b \u0432\u0440\u0443\u0447\u043d\u0443\u044e, \u043e \u0440\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442\u0430\u0445 \u0432 \u0441\u043b\u0435\u0434\u0443\u044e\u0449\u0438\u0439 \u0440\u0430\u0437 \u0440\u0430\u0441\u0441\u043a\u0430\u0436\u0435\u043c.<\/p>\n<\/li>\n<li>\n<p>Native HF Transformers \u043f\u043e\u043b\u0443\u0447\u0438\u043b\u043e\u0441\u044c \u0437\u0430\u043f\u0443\u0441\u0442\u0438\u0442\u044c \u0442\u043e\u043b\u044c\u043a\u043e \u0434\u043b\u044f Qwen2.5-VL, \u043e\u0441\u0442\u0430\u043b\u044c\u043d\u044b\u0435 \u043c\u043e\u0434\u0435\u043b\u0438 \u043d\u0435\u0441\u043e\u0432\u043c\u0435\u0441\u0442\u0438\u043c\u044b \u0441 generic pipeline. \u0414\u043b\u044f \u043d\u0438\u0445 Native-\u0441\u0440\u0430\u0432\u043d\u0435\u043d\u0438\u0435 \u043e\u0442\u0441\u0443\u0442\u0441\u0442\u0432\u0443\u0435\u0442.<\/p>\n<\/li>\n<li>\n<p>SGLang \u0443 \u043d\u0430\u0441 \u043d\u0435 \u0437\u0430\u043f\u0443\u0441\u0442\u0438\u043b\u0441\u044f \u043d\u0430 DeepSeek-OCR (image processor: image.size \u0442\u0440\u0430\u043a\u0442\u0443\u0435\u0442\u0441\u044f \u043a\u0430\u043a \u043c\u0435\u0442\u043e\u0434). \u041f\u043e\u044d\u0442\u043e\u043c\u0443 \u0446\u0438\u0444\u0440\u0430 \u0435\u0441\u0442\u044c \u0442\u043e\u043b\u044c\u043a\u043e \u0434\u043b\u044f vLLM.<\/p>\n<\/li>\n<\/ul>\n<h3>\u0413\u043b\u0430\u0432\u043d\u044b\u0439 \u0442\u0435\u0445\u043d\u0438\u0447\u0435\u0441\u043a\u0438\u0439 \u0438\u043d\u0441\u0430\u0439\u0442<\/h3>\n<p>\u0420\u0430\u0437\u043c\u0435\u0440 \u043c\u043e\u0434\u0435\u043b\u0438 \u2014 \u0441\u043b\u0430\u0431\u044b\u0439 \u043f\u0440\u0435\u0434\u0438\u043a\u0442\u043e\u0440 \u043f\u0440\u043e\u0438\u0437\u0432\u043e\u0434\u0438\u0442\u0435\u043b\u044c\u043d\u043e\u0441\u0442\u0438. \u0421\u043f\u0435\u0446\u0438\u0430\u043b\u0438\u0437\u0430\u0446\u0438\u044f \u043f\u043e\u0434 \u0437\u0430\u0434\u0430\u0447\u0443 \u0438 \u0432\u044b\u0431\u043e\u0440 \u0434\u0432\u0438\u0436\u043a\u0430 \u0438\u043d\u0444\u0435\u0440\u0435\u043d\u0441\u0430 \u0432\u0430\u0436\u043d\u0435\u0435 \u043a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u0430 \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u043e\u0432.<\/p>\n<h3>\u0427\u0442\u043e \u0445\u043e\u0442\u0438\u043c \u0441\u0434\u0435\u043b\u0430\u0442\u044c \u0434\u0430\u043b\u044c\u0448\u0435<\/h3>\n<ul>\n<li>\n<p>\u0414\u043e\u0431\u0430\u0432\u0438\u043c \u0431\u043e\u043b\u044c\u0448\u0435 \u0441\u0435\u043c\u043f\u043b\u043e\u0432 (\u043f\u0435\u0447\u0430\u0442\u043d\u044b\u0435 \u0434\u043e\u043a\u0443\u043c\u0435\u043d\u0442\u044b \u0438 \u0442\u0430\u0431\u043b\u0438\u0446\u044b).<\/p>\n<\/li>\n<li>\n<p>\u0418\u0437\u043c\u0435\u0440\u0438\u043c CER\/WER \u043d\u0430 \u0440\u0430\u0437\u043c\u0435\u0447\u0435\u043d\u043d\u044b\u0445 \u0441\u0442\u0440\u0430\u043d\u0438\u0446\u0430\u0445<strong>.<\/strong> \u042d\u0442\u0430\u043b\u043e\u043d\u043d\u0430\u044f \u0440\u0430\u0437\u043c\u0435\u0442\u043a\u0430 15 \u0441\u0442\u0440\u0430\u043d\u0438\u0446 \u0433\u043e\u0442\u043e\u0432\u0430, \u0441\u043a\u043e\u0440\u043e \u043e\u043f\u0443\u0431\u043b\u0438\u043a\u0443\u0435\u043c CER\/WER \u043f\u043e \u0442\u0435\u043c \u0436\u0435 \u043c\u043e\u0434\u0435\u043b\u044f\u043c, \u0447\u0442\u043e\u0431\u044b \u0441\u043a\u043e\u0440\u043e\u0441\u0442\u044c \u043d\u0435 \u0431\u044b\u043b\u0430 \u0435\u0434\u0438\u043d\u0441\u0442\u0432\u0435\u043d\u043d\u043e\u0439 \u043e\u0441\u044c\u044e \u0441\u0440\u0430\u0432\u043d\u0435\u043d\u0438\u044f.<\/p>\n<\/li>\n<li>\n<p>\u041f\u0440\u043e\u0432\u0435\u0434\u0435\u043c \u0437\u0430\u043c\u0435\u0440\u044b \u0441 \u0440\u0430\u0437\u043d\u043e\u0439 \u043d\u0430\u0433\u0440\u0443\u0437\u043a\u043e\u0439 (10, 50, 100 \u043f\u0430\u0440\u0430\u043b\u043b\u0435\u043b\u044c\u043d\u044b\u0445 \u0437\u0430\u043f\u0440\u043e\u0441\u043e\u0432), \u0447\u0442\u043e\u0431\u044b \u043f\u043e\u043d\u044f\u0442\u044c, \u043a\u0430\u043a \u0432\u0435\u0434\u0443\u0442 \u0441\u0435\u0431\u044f \u0434\u0432\u0438\u0436\u043a\u0438 \u043f\u043e\u0434 \u0440\u0435\u0430\u043b\u044c\u043d\u044b\u043c \u0442\u0440\u0430\u0444\u0438\u043a\u043e\u043c, \u0430 \u043d\u0435 \u043d\u0430 \u0441\u0438\u043d\u0442\u0435\u0442\u0438\u0447\u0435\u0441\u043a\u043e\u043c batch=1.<\/p>\n<\/li>\n<\/ul>\n<p>\u041f\u0438\u0448\u0438\u0442\u0435 \u0432 \u043a\u043e\u043c\u043c\u0435\u043d\u0442\u0430\u0440\u0438\u044f\u0445, \u043a\u0430\u043a\u043e\u0439 OCR \u0443 \u0432\u0430\u0441 \u0432 \u043f\u0440\u043e\u0434\u0435 \u0438 \u043f\u043e\u0447\u0435\u043c\u0443 \u0432\u0437\u044f\u043b\u0438 \u0438\u043c\u0435\u043d\u043d\u043e \u0435\u0433\u043e. \u0418\u043d\u0442\u0435\u0440\u0435\u0441\u043d\u043e \u0441\u043e\u0431\u0440\u0430\u0442\u044c \u0436\u0438\u0432\u044b\u0435 \u0441\u0446\u0435\u043d\u0430\u0440\u0438\u0438, \u043d\u0430 \u043a\u043e\u0442\u043e\u0440\u044b\u0445 \u043d\u0430\u0448\u0438 \u0446\u0438\u0444\u0440\u044b \u043d\u0435 \u0441\u0445\u043e\u0434\u044f\u0442\u0441\u044f \u0441 \u043f\u0440\u0430\u043a\u0442\u0438\u043a\u043e\u0439.<\/p>\n<\/div>\n<p>\u0441\u0441\u044b\u043b\u043a\u0430 \u043d\u0430 \u043e\u0440\u0438\u0433\u0438\u043d\u0430\u043b \u0441\u0442\u0430\u0442\u044c\u0438 <a href=\"https:\/\/habr.com\/ru\/articles\/1065182\/\">https:\/\/habr.com\/ru\/articles\/1065182\/<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"<p>\u0412\u0430\u043c \u043d\u0443\u0436\u0435\u043d OCR. \u0412 \u0442\u0435\u0445\u043e\u0431\u0437\u043e\u0440\u0430\u0445 \u0440\u0435\u043a\u043e\u043c\u0435\u043d\u0434\u0443\u044e\u0442 Tesseract, \u043d\u0430 \u0425\u0430\u0431\u0440\u0435 \u0432\u0441\u0435 \u043f\u0438\u0448\u0443\u0442 \u043f\u0440\u043e VLM, \u0438\u0434\u0435\u0442\u0435 \u043d\u0430 Hugging Face \u2014 \u0442\u0430\u043c PaddleOCR-VL, DeepSeek-OCR, Dots.OCR, Qwen2.5-VL, \u0438 \u043a\u0430\u0436\u0434\u0430\u044f \u043d\u0430\u0437\u044b\u0432\u0430\u0435\u0442 \u0441\u0435\u0431\u044f SOTA. \u041f\u0440\u0438\u0431\u0430\u0432\u0438\u043c \u043a \u044d\u0442\u043e\u043c\u0443 vLLM, SGLang, TGI, Native HF Transformers, \u0438 \u0432\u043e\u0442 \u0432\u044b \u0437\u0430\u0432\u0438\u0441\u043b\u0438 \u043c\u0435\u0436\u0434\u0443 \u0434\u0435\u0441\u044f\u0442\u043a\u0430\u043c\u0438 \u043a\u043e\u043c\u0431\u0438\u043d\u0430\u0446\u0438\u0439. \u041c\u044b \u043f\u0440\u043e\u0442\u0435\u0441\u0442\u0438\u0440\u043e\u0432\u0430\u043b\u0438 \u0434\u0435\u0432\u044f\u0442\u044c \u043c\u043e\u0434\u0435\u043b\u0435\u0439 \u043d\u0430 \u0442\u0440\u0435\u0445 \u0434\u0432\u0438\u0436\u043a\u0430\u0445 \u0438\u043d\u0444\u0435\u0440\u0435\u043d\u0441\u0430 \u043d\u0430 \u0440\u0443\u043a\u043e\u043f\u0438\u0441\u043d\u043e\u043c \u0440\u0443\u0441\u0441\u043a\u043e\u043c \u0438 \u043e\u0442\u0440\u0430\u0437\u0438\u043b\u0438 \u0432 \u0442\u0430\u0431\u043b\u0438\u0446\u0435, \u043a\u0430\u043a\u0430\u044f \u043c\u043e\u0434\u0435\u043b\u044c \u043f\u043e\u0434 \u043a\u0430\u043a\u0443\u044e \u0437\u0430\u0434\u0430\u0447\u0443 \u043b\u0443\u0447\u0448\u0435 \u043f\u043e\u0434\u0445\u043e\u0434\u0438\u0442.\u0412\u0430\u0448\u0435 \u0432\u0440\u0435\u043c\u044f \u0446\u0435\u043d\u043d\u043e \u0434\u043b\u044f \u043d\u0430\u0441. \u0422\u0430\u043a \u0447\u0442\u043e \u0441\u0440\u0430\u0437\u0443 \u0434\u0435\u0440\u0436\u0438\u0442\u0435 \u043a\u0440\u0430\u0442\u043a\u0438\u0435 \u0432\u044b\u0432\u043e\u0434\u044bNative HF Transformers \u043d\u0435 \u0434\u043b\u044f \u043f\u0440\u043e\u0434\u0430\u043a\u0448\u0435\u043d\u0430. \u0422\u043e\u0442 \u0436\u0435 Qwen2.5-VL \u043f\u043e\u0434 vLLM\/SGLang \u0432 \u0434\u0432\u0430 \u0440\u0430\u0437\u0430 \u0431\u044b\u0441\u0442\u0440\u0435\u0435, \u0447\u0435\u043c \u043f\u043e\u0434 Native, \u043d\u0430 \u0442\u043e\u0439 \u0436\u0435 GPU.\u00a0\u0420\u0430\u0437\u043c\u0435\u0440 \u043c\u043e\u0434\u0435\u043b\u0438 \u043e\u0431\u043c\u0430\u043d\u0447\u0438\u0432. PaddleOCR-VL 1.7B \u043e\u0431\u0433\u043e\u043d\u044f\u0435\u0442 Qwen2.5-VL-7B \u0432 \u043f\u044f\u0442\u044c \u0441 \u043b\u0438\u0448\u043d\u0438\u043c \u0440\u0430\u0437 \u043f\u043e \u0441\u043a\u043e\u0440\u043e\u0441\u0442\u0438 \u0432 \u0441\u0442\u0440\/\u043c\u0438\u043d \u0438 \u0432 6,7 \u0440\u0430\u0437\u0430 \u043f\u043e \u0442\u043e\u043a\u0435\u043d\/\u0441\u0435\u043a. \u0421\u043f\u0435\u0446\u0438\u0430\u043b\u0438\u0437\u0430\u0446\u0438\u044f \u0431\u044c\u0435\u0442 general-purpose.Tesseract \u0431\u044b\u0441\u0442\u0440\u0435\u0435 \u0432\u0441\u0435\u0445 \u2014 \u043c\u0438\u0444. \u041d\u0430 \u0441\u043b\u043e\u0436\u043d\u044b\u0445 \u0438\u0437\u043e\u0431\u0440\u0430\u0436\u0435\u043d\u0438\u044f\u0445 \u043e\u043d \u0432\u043e\u0437\u0432\u0440\u0430\u0449\u0430\u0435\u0442 411 \u0441\u0438\u043c\u0432\u043e\u043b\u043e\u0432 \u043f\u0440\u043e\u0442\u0438\u0432 1193 \u0442\u043e\u043a\u0435\u043d\u043e\u0432 \u0443 PaddleOCR-VL. \u0411\u044b\u0441\u0442\u0440\u043e \u0432\u043e\u0437\u0432\u0440\u0430\u0449\u0430\u0442\u044c \u043f\u0443\u0441\u0442\u043e\u0442\u0443 \u2014 \u043d\u0435 \u043f\u043e\u0431\u0435\u0434\u0430.\u0412 \u043a\u043b\u0430\u0441\u0441\u0435 general-VLM\u00a0 \u043d\u0430\u0448\u0430 \u043a\u043e\u043c\u043f\u0430\u043a\u0442\u043d\u0430\u044f \u043c\u043e\u0434\u0435\u043b\u044c Cotype Light 3 \u043d\u0430 9 \u043c\u043b\u0440\u0434 \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u043e\u0432 \u043e\u0431\u0433\u043e\u043d\u044f\u0435\u0442 Qwen2.5-VL-7B \u043d\u0430 79% \u043f\u043e \u0441\u0442\u0440\/\u043c\u0438\u043d \u0441 \u0432\u043a\u043b\u044e\u0447\u0435\u043d\u043d\u044b\u043c MTP-\u0434\u0435\u043a\u043e\u0434\u0438\u043d\u0433\u043e\u043c (37.7 vs 21.1) \u043f\u0440\u0438 \u0441\u043e\u043f\u043e\u0441\u0442\u0430\u0432\u0438\u043c\u043e\u043c TTFT.\u0412\u043e\u0442 \u043e\u0431\u0435\u0449\u0430\u043d\u043d\u0430\u044f \u0442\u0430\u0431\u043b\u0438\u0446\u0430 \u0441\u043e \u0441\u0432\u043e\u0434\u043a\u043e\u0439, \u043a\u0430\u043a\u0438\u0435 \u043c\u043e\u0434\u0435\u043b\u0438 \u0432 \u043a\u0430\u043a\u0438\u0445 \u0441\u0446\u0435\u043d\u0430\u0440\u0438\u044f\u0445 \u0441\u0435\u0431\u044f \u043b\u0443\u0447\u0448\u0435 \u043f\u043e\u043a\u0430\u0437\u0430\u043b\u0438.\u00a0\u0421\u0446\u0435\u043d\u0430\u0440\u0438\u0439\u0420\u0435\u043a\u043e\u043c\u0435\u043d\u0434\u0430\u0446\u0438\u044f\u041f\u043e\u0447\u0435\u043c\u0443\u041f\u0435\u0447\u0430\u0442\u043d\u044b\u0435 \u0434\u043e\u043a\u0443\u043c\u0435\u043d\u0442\u044b, \u043d\u0443\u0436\u043d\u0430 \u0441\u043a\u043e\u0440\u043e\u0441\u0442\u044c, \u043f\u0440\u043e\u0441\u0442\u0430\u044f \u0432\u0435\u0440\u0441\u0442\u043a\u0430Tesseract \u0438\u043b\u0438 RapidOCR \u043d\u0430 CPU140\u2013190 \u0441\u0442\u0440\u0430\u043d\u0438\u0446\/\u043c\u0438\u043d, \u0431\u0435\u0441\u043f\u043b\u0430\u0442\u043d\u043e, GPU \u043d\u0435 \u0442\u0440\u0435\u0431\u0443\u0435\u0442\u0441\u044f\u0421\u043b\u043e\u0436\u043d\u0430\u044f \u0432\u0435\u0440\u0441\u0442\u043a\u0430, \u0442\u0430\u0431\u043b\u0438\u0446\u044b, Markdown \u043d\u0430 \u0432\u044b\u0445\u043e\u0434\u0435PaddleOCR-VL + SGLang110 \u0441\u0442\u0440\u0430\u043d\u0438\u0446\/\u043c\u0438\u043d, 56 \u0413\u0411 VRAM, \u043b\u0438\u0434\u0435\u0440 OmniDocBenchProduction VLM \u0441 \u043c\u0438\u043d\u0438\u043c\u0443\u043c\u043e\u043c \u0440\u0438\u0441\u043a\u043e\u0432 \u0441\u043e\u0432\u043c\u0435\u0441\u0442\u0438\u043c\u043e\u0441\u0442\u0438PaddleOCR-VL + vLLM99 \u0441\u0442\u0440\u0430\u043d\u0438\u0446\/\u043c\u0438\u043d, \u043b\u0443\u0447\u0448\u0438\u0439 TTFT, \u0448\u0438\u0440\u0435 \u043f\u043e\u0434\u0434\u0435\u0440\u0436\u043a\u0430 \u043c\u043e\u0434\u0435\u043b\u0435\u0439General-purpose VLM, OCR \u2014 \u043b\u0438\u0448\u044c \u0447\u0430\u0441\u0442\u044c \u0437\u0430\u0434\u0430\u0447Qwen2.5-VL-7B + vLLM21 \u0441\u0442\u0440\u0430\u043d\u0438\u0446\u0430\/\u043c\u0438\u043d, \u0443\u043d\u0438\u0432\u0435\u0440\u0441\u0430\u043b\u044c\u043d\u0430\u044f \u043c\u043e\u0434\u0435\u043b\u044c, \u0437\u043d\u0430\u0435\u0442 \u0440\u0443\u0441\u0441\u043a\u0438\u0439\u041f\u0440\u043e\u0442\u043e\u0442\u0438\u043f, Jupyter-researchNative HF Transformers\u0422\u043e\u043b\u044c\u043a\u043e \u0434\u043b\u044f \u043f\u0440\u043e\u0442\u043e\u0442\u0438\u043f\u0430. \u0412 production \u043d\u0438\u043a\u043e\u0433\u0434\u0430MoE-\u0430\u0440\u0445\u0438\u0442\u0435\u043a\u0442\u0443\u0440\u0430, batch-\u043e\u0431\u0440\u0430\u0431\u043e\u0442\u043a\u0430DeepSeek-OCR + vLLM56 \u0441\u0442\u0440\u0430\u043d\u0438\u0446\/\u043c\u0438\u043d, 570M \u0430\u043a\u0442\u0438\u0432\u043d\u044b\u0445 \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u043e\u0432 (3B total)\u041b\u043e\u043a\u0430\u043b\u044c\u043d\u044b\u0439 VLM \u0432 \u0437\u0430\u043a\u0440\u044b\u0442\u043e\u043c \u043a\u043e\u043d\u0442\u0443\u0440\u0435, RU-\u0434\u043e\u043c\u0435\u043dCotype Light 3 + vLLM \u0441 MTP37.7 \u0441\u0442\u0440\u0430\u043d\u0438\u0446\/\u043c\u0438\u043d, 9B, \u0441\u0432\u0435\u0436\u0438\u0439 \u0440\u0435\u043b\u0438\u0437 2026\u201306, \u0432\u0441\u0442\u0440\u043e\u0435\u043d\u043d\u044b\u0439 MTP-\u0434\u0435\u043a\u043e\u0434\u0438\u043d\u0433\u0426\u0438\u0444\u0440\u044b \u043f\u043e\u043b\u0443\u0447\u0435\u043d\u044b \u043d\u0430 NVIDIA A100 80GB (shared), batch=1, 15 \u043e\u0431\u0440\u0430\u0437\u0446\u043e\u0432 \u0440\u0443\u0441\u0441\u043a\u043e\u044f\u0437\u044b\u0447\u043d\u043e\u0433\u043e \u0440\u0443\u043a\u043e\u043f\u0438\u0441\u043d\u043e\u0433\u043e \u0442\u0435\u043a\u0441\u0442\u0430.\u00a0\u041d\u0438\u0436\u0435 \u043e\u0431\u044a\u044f\u0441\u043d\u044e, \u043a\u0430\u043a \u043c\u044b \u044d\u0442\u0443 \u0442\u0430\u0431\u043b\u0438\u0446\u0443 \u043f\u043e\u043b\u0443\u0447\u0438\u043b\u0438 \u0438 \u043a\u0430\u043a\u0438\u0435 \u043d\u044e\u0430\u043d\u0441\u044b \u0441\u0442\u043e\u044f\u0442 \u0437\u0430 \u043a\u0430\u0436\u0434\u043e\u0439 \u0441\u0442\u0440\u043e\u043a\u043e\u0439.\u041b\u0430\u043d\u0434\u0448\u0430\u0444\u0442: \u0442\u0440\u0430\u0434\u0438\u0446\u0438\u043e\u043d\u043d\u044b\u0439 OCR vs VLM \u0432 2025\u20132026 \u0433\u0433.\u0414\u043e 2024 \u0433\u043e\u0434\u0430 \u0432\u044b\u0431\u043e\u0440 OCR \u0431\u044b\u043b \u043e\u0442\u043d\u043e\u0441\u0438\u0442\u0435\u043b\u044c\u043d\u043e \u043f\u043e\u043d\u044f\u0442\u043d\u044b\u043c. Tesseract, PaddleOCR, EasyOCR. \u041f\u0430\u0439\u043f\u043b\u0430\u0439\u043d \u043e\u0434\u0438\u043d: \u0434\u0435\u0442\u0435\u043a\u0446\u0438\u044f \u0442\u0435\u043a\u0441\u0442\u043e\u0432\u044b\u0445 \u043e\u0431\u043b\u0430\u0441\u0442\u0435\u0439, \u0440\u0430\u0441\u043f\u043e\u0437\u043d\u0430\u0432\u0430\u043d\u0438\u0435 \u0441\u0438\u043c\u0432\u043e\u043b\u043e\u0432, \u043f\u043e\u0441\u0442\u043e\u0431\u0440\u0430\u0431\u043e\u0442\u043a\u0430. \u041e\u0431\u044b\u0447\u043d\u044b\u0439 \u0442\u0435\u043a\u0441\u0442 \u043d\u0430 \u0432\u044b\u0445\u043e\u0434\u0435, \u043c\u0438\u043d\u0438\u043c\u0430\u043b\u044c\u043d\u044b\u0435 \u0442\u0440\u0435\u0431\u043e\u0432\u0430\u043d\u0438\u044f \u043a \u0436\u0435\u043b\u0435\u0437\u0443, \u043f\u0440\u0435\u0434\u0441\u043a\u0430\u0437\u0443\u0435\u043c\u043e\u0441\u0442\u044c.\u041d\u043e \u0442\u0443\u0442 \u043f\u043e\u044f\u0432\u0438\u043b\u0438\u0441\u044c VLM (Vision Language Models). \u041f\u043e \u0441\u0443\u0442\u0438 \u044d\u0442\u043e end-to-end \u043c\u043e\u0434\u0435\u043b\u0438: \u0432\u0438\u0436\u043d-\u044d\u043d\u043a\u043e\u0434\u0435\u0440 \u043f\u0440\u0435\u0432\u0440\u0430\u0449\u0430\u0435\u0442 \u043a\u0430\u0440\u0442\u0438\u043d\u043a\u0443 \u0432 \u044d\u043c\u0431\u0435\u0434\u0434\u0438\u043d\u0433\u0438, LLM-\u0434\u0435\u043a\u043e\u0434\u0435\u0440 \u0433\u0435\u043d\u0435\u0440\u0438\u0440\u0443\u0435\u0442 \u0442\u0435\u043a\u0441\u0442. \u041d\u0438\u043a\u0430\u043a\u0438\u0445 \u043e\u0442\u0434\u0435\u043b\u044c\u043d\u044b\u0445 \u0441\u0442\u0430\u0434\u0438\u0439: \u043f\u043e\u0434\u0430\u043b \u043a\u0430\u0440\u0442\u0438\u043d\u043a\u0443 \u2014 \u043f\u043e\u043b\u0443\u0447\u0438\u043b Markdown, JSON, HTML. \u0412\u043e\u0442 \u0441\u0440\u0430\u0432\u043d\u0438\u0442\u0435\u043b\u044c\u043d\u0430\u044f \u0442\u0430\u0431\u043b\u0438\u0446\u0430 \u0434\u043b\u044f \u0442\u0440\u0430\u0434\u0438\u0446\u0438\u043e\u043d\u043d\u043e\u0433\u043e \u0438 VLM-\u043f\u043e\u0434\u0445\u043e\u0434\u0430 \u043a OCR.\u0422\u0440\u0430\u0434\u0438\u0446\u0438\u043e\u043d\u043d\u044b\u0439 OCROCR \u043d\u0430 VLM\u0410\u0440\u0445\u0438\u0442\u0435\u043a\u0442\u0443\u0440\u0430\u0414\u0435\u0442\u0435\u043a\u0446\u0438\u044f, \u0440\u0430\u0441\u043f\u043e\u0437\u043d\u0430\u0432\u0430\u043d\u0438\u0435, \u043f\u043e\u0441\u0442\u043e\u0431\u0440\u0430\u0431\u043e\u0442\u043a\u0430End-to-end: \u0432\u0438\u0436\u043d-\u044d\u043d\u043a\u043e\u0434\u0435\u0440 + LLM-\u0434\u0435\u043a\u043e\u0434\u0435\u0440\u0422\u0438\u043f\u0438\u0447\u043d\u0430\u044f \u0441\u043a\u043e\u0440\u043e\u0441\u0442\u044c0,5\u20133 \u0441\u0435\u043a\/\u0441\u0442\u0440 (CPU)2\u201310 \u0441\u0435\u043a\/\u0441\u0442\u0440 (GPU)\u0421\u043b\u043e\u0436\u043d\u0430\u044f \u0432\u0435\u0440\u0441\u0442\u043a\u0430\u0421\u043b\u0430\u0431\u043e\u0425\u043e\u0440\u043e\u0448\u043e\u0421\u0442\u0440\u0443\u043a\u0442\u0443\u0440\u043d\u044b\u0439 \u0432\u044b\u0432\u043e\u0434\u041f\u0440\u043e\u0441\u0442\u043e\u0439 \u0442\u0435\u043a\u0441\u0442Markdown, HTML, JSON\u0421\u0442\u043e\u0438\u043c\u043e\u0441\u0442\u044c self-hosted\u041e\u0447\u0435\u043d\u044c \u043d\u0438\u0437\u043a\u0430\u044f (CPU)\u0417\u0430\u0432\u0438\u0441\u0438\u0442 \u043e\u0442 \u043c\u043e\u0434\u0435\u043b\u0438 \u0438 \u0434\u0432\u0438\u0436\u043a\u0430 (GPU)\u0410 \u0435\u0449\u0435 \u043f\u043e\u044f\u0432\u0438\u043b\u0438\u0441\u044c \u0441\u043f\u0435\u0446\u0438\u0430\u043b\u0438\u0437\u0438\u0440\u043e\u0432\u0430\u043d\u043d\u044b\u0435 OCR-VLM \u0442\u0438\u043f\u0430 PaddleOCR-VL (1,7B), DeepSeek-OCR (3B MoE), Dots.OCR (3B). \u042d\u0442\u043e VLM \u043f\u043e \u0430\u0440\u0445\u0438\u0442\u0435\u043a\u0442\u0443\u0440\u0435, \u043d\u043e \u0434\u043e\u043e\u0431\u0443\u0447\u0435\u043d\u043d\u044b\u0435 \u0438\u0441\u043a\u043b\u044e\u0447\u0438\u0442\u0435\u043b\u044c\u043d\u043e \u043d\u0430 OCR-\u0437\u0430\u0434\u0430\u0447\u0430\u0445. \u041e\u043d\u0438 \u043c\u0435\u043d\u044c\u0448\u0435 VLM \u043e\u0431\u0449\u0435\u0433\u043e \u043d\u0430\u0437\u043d\u0430\u0447\u0435\u043d\u0438\u044f\u00a0 \u0432 4\u201310 \u0440\u0430\u0437, \u043d\u043e \u043d\u0430 \u0440\u0430\u0441\u043f\u043e\u0437\u043d\u0430\u0432\u0430\u043d\u0438\u0438 \u0434\u043e\u043a\u0443\u043c\u0435\u043d\u0442\u043e\u0432 \u0440\u0430\u0431\u043e\u0442\u0430\u044e\u0442 \u043d\u0430 \u0443\u0440\u043e\u0432\u043d\u0435 \u0438\u043b\u0438 \u043b\u0443\u0447\u0448\u0435.\u0412 \u0442\u0430\u043a\u043e\u043c \u043c\u043d\u043e\u0433\u043e\u043e\u0431\u0440\u0430\u0437\u0438\u0438 \u0438\u043d\u0441\u0442\u0440\u0443\u043c\u0435\u043d\u0442\u043e\u0432 \u043d\u0430\u043c \u0431\u044b\u043b\u043e \u0438\u043d\u0442\u0435\u0440\u0435\u0441\u043d\u043e \u0443\u0437\u043d\u0430\u0442\u044c, \u0433\u0434\u0435 \u043f\u0440\u043e\u0445\u043e\u0434\u0438\u0442 \u0433\u0440\u0430\u043d\u0438\u0446\u0430 \u043c\u0435\u0436\u0434\u0443 \u00ab\u0431\u0440\u0430\u0442\u044c \u043a\u043b\u0430\u0441\u0441\u0438\u043a\u0443\u00bb \u0438 \u00ab\u0431\u0440\u0430\u0442\u044c VLM\u00bb \u0438 \u043a\u0430\u043a\u0430\u044f \u043a\u043e\u043d\u043a\u0440\u0435\u0442\u043d\u0430\u044f \u0441\u0432\u044f\u0437\u043a\u0430 \u043c\u043e\u0434\u0435\u043b\u044c + \u0434\u0432\u0438\u0436\u043e\u043a \u043e\u043f\u0442\u0438\u043c\u0430\u043b\u044c\u043d\u0430. \u041a\u0430\u043a \u043c\u044b \u044d\u0442\u043e \u0443\u0437\u043d\u0430\u0432\u0430\u043b\u0438?\u00a0\u041c\u0435\u0442\u043e\u0434\u043e\u043b\u043e\u0433\u0438\u044f\u041c\u044b \u0440\u0435\u0448\u0438\u043b\u0438 \u0440\u0430\u0437\u0440\u0430\u0431\u043e\u0442\u0430\u0442\u044c \u0447\u0435\u0441\u0442\u043d\u044b\u0439 \u0431\u0435\u043d\u0447\u043c\u0430\u0440\u043a, \u0432 \u043a\u043e\u0442\u043e\u0440\u043e\u043c \u0432\u0441\u0435 \u043c\u043e\u0434\u0435\u043b\u0438 \u0431\u0435\u0433\u0443\u0442 \u0432 \u043e\u0434\u0438\u043d\u0430\u043a\u043e\u0432\u044b\u0445 \u0443\u0441\u043b\u043e\u0432\u0438\u044f\u0445. \u0427\u0442\u043e \u043c\u044b \u0437\u0430\u0444\u0438\u043a\u0441\u0438\u0440\u043e\u0432\u0430\u043b\u0438:\u0423\u043d\u0438\u0444\u0438\u0446\u0438\u0440\u043e\u0432\u0430\u043d\u043d\u044b\u0435 \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u044b:\u00b7\u00a0 \u00a0 \u00a0 Precision: bfloat16 (\u0434\u043b\u044f \u0432\u0441\u0435\u0445 VLM)\u00b7\u00a0 \u00a0 \u00a0 max_new_tokens: 2048\u00b7\u00a0 \u00a0 \u00a0 temperature: 0.0 (\u0434\u0435\u0442\u0435\u0440\u043c\u0438\u043d\u0438\u0440\u043e\u0432\u0430\u043d\u043d\u044b\u0439 \u0432\u044b\u0432\u043e\u0434)\u00b7\u00a0 \u00a0 \u00a0 Image preprocessing: thumbnail 800\u00d7800, JPEG q85, base64\u00b7\u00a0 \u00a0 \u00a0 Warmup: \u043f\u044f\u0442\u044c \u043f\u0440\u043e\u0433\u043e\u043d\u043e\u0432 \u043f\u0435\u0440\u0435\u0434 \u0437\u0430\u043c\u0435\u0440\u0430\u043c\u0438 (\u043f\u0440\u043e\u0433\u0440\u0435\u0432 KV-cache, CUDA-\u043a\u0435\u0440\u043d\u0435\u043b\u043e\u0432)\u00b7\u00a0 \u00a0 \u00a0 \u041f\u0440\u043e\u043c\u043f\u0442: SYSTEM: &#171;You are an OCR assistant. Extract all text&#8230;&#187; + USER: &#171;Extract all text from this document.&#187;\u0421\u0442\u0435\u043a \u0438\u043d\u0444\u0440\u0430\u0441\u0442\u0440\u0443\u043a\u0442\u0443\u0440\u044b:\u00b7\u00a0 \u00a0 \u00a0 NVIDIA A100 80GB PCIe (\u0438\u043c \u043f\u0440\u0438\u0448\u043b\u043e\u0441\u044c \u0434\u0435\u043b\u0438\u0442\u044c\u0441\u044f\u00a0 \u0441 \u0434\u0440\u0443\u0433\u0438\u043c\u0438 \u043a\u043e\u043c\u0430\u043d\u0434\u0430\u043c\u0438, \u043e\u0431 \u043e\u0433\u0440\u0430\u043d\u0438\u0447\u0435\u043d\u0438\u044f\u0445 \u043d\u0438\u0436\u0435)\u00b7\u00a0 \u00a0 \u00a0 vLLM 0.18.1: gpu-memory-utilization=0.4, max-model-len=4096, OpenAI-compatible API\u00b7\u00a0 \u00a0 \u00a0 SGLang v0.5.10: mem-fraction-static=0.85, OpenAI-\u0441\u043e\u0432\u043c\u0435\u0441\u0442\u0438\u043c\u044b\u0439 API\u00b7\u00a0 \u00a0 \u00a0 Native HF Transformers: AutoModel.generate() \u043d\u0430\u043f\u0440\u044f\u043c\u0443\u044e, \u0431\u0435\u0437 \u043e\u043f\u0442\u0438\u043c\u0438\u0437\u0430\u0446\u0438\u0439\u0414\u0432\u0438\u0436\u043a\u0438 \u0437\u0430\u043f\u0443\u0441\u043a\u0430\u043b\u0438\u0441\u044c \u0432 Docker (vllm\/vllm-openai:latest, lmsysorg\/sglang:latest).\u0414\u0430\u0442\u0430\u0441\u0435\u0442:15 \u043f\u0440\u0438\u043c\u0435\u0440\u043e\u0432 \u0440\u0443\u0441\u0441\u043a\u043e\u044f\u0437\u044b\u0447\u043d\u044b\u0445 \u0442\u0435\u043a\u0441\u0442\u043e\u0432 \u0438\u0437 Russian Handwriting OCR: \u043f\u044f\u0442\u044c \u0447\u0438\u0441\u0442\u044b\u0445 \u0441\u043a\u0430\u043d\u043e\u0432, \u043f\u044f\u0442\u044c \u00ab\u0442\u0435\u043c\u043d\u044b\u0445\u00bb (\u043d\u0438\u0437\u043a\u0438\u0439 \u043a\u043e\u043d\u0442\u0440\u0430\u0441\u0442), \u043f\u044f\u0442\u044c \u00ab\u0441\u0432\u0435\u0442\u043b\u044b\u0445\u00bb (\u0437\u0430\u0441\u0432\u0435\u0442\u043a\u0430), \u0432\u044b\u0431\u043e\u0440\u043a\u0430 \u0447\u0435\u0440\u0435\u0437 random_state=42. \u041c\u044b \u0441\u043f\u0435\u0446\u0438\u0430\u043b\u044c\u043d\u043e \u0434\u043b\u044f \u0442\u0435\u0441\u0442\u0430 \u0432\u0437\u044f\u043b\u0438 \u0440\u0443\u043a\u043e\u043f\u0438\u0441\u0438, \u0442\u0430\u043a \u043a\u0430\u043a \u044d\u0442\u043e \u043c\u0430\u043a\u0441\u0438\u043c\u0430\u043b\u044c\u043d\u043e \u0441\u043b\u043e\u0436\u043d\u0430\u044f \u0437\u0430\u0434\u0430\u0447\u0430 \u0434\u043b\u044f \u043b\u044e\u0431\u043e\u0433\u043e OCR: \u043d\u0435\u0441\u0442\u0430\u043d\u0434\u0430\u0440\u0442\u043d\u044b\u0435 \u0441\u0438\u043c\u0432\u043e\u043b\u044b, \u0432\u0430\u0440\u0438\u0430\u0442\u0438\u0432\u043d\u043e\u0441\u0442\u044c \u043f\u043e\u0447\u0435\u0440\u043a\u0430, \u0448\u0443\u043c. \u0415\u0441\u043b\u0438 \u043c\u043e\u0434\u0435\u043b\u044c \u0441\u043f\u0440\u0430\u0432\u0438\u0442\u0441\u044f \u0437\u0434\u0435\u0441\u044c, \u0442\u043e \u043d\u0430 \u043f\u0435\u0447\u0430\u0442\u043d\u044b\u0445 \u0434\u043e\u043a\u0443\u043c\u0435\u043d\u0442\u0430\u0445 \u0438 \u043f\u043e\u0434\u0430\u0432\u043d\u043e.\u041c\u0435\u0442\u0440\u0438\u043a\u0438:\u00b7\u00a0 \u00a0 \u00a0 pages\/min: \u043f\u0440\u043e\u043f\u0443\u0441\u043a\u043d\u0430\u044f \u0441\u043f\u043e\u0441\u043e\u0431\u043d\u043e\u0441\u0442\u044c \u043d\u0430 \u0443\u0440\u043e\u0432\u043d\u0435 \u0434\u043e\u043a\u0443\u043c\u0435\u043d\u0442\u043e\u0432\u00b7\u00a0 \u00a0 \u00a0 TTFT (Time To First Token, \u043c\u0441): \u0437\u0430\u0434\u0435\u0440\u0436\u043a\u0430 \u0434\u043e \u043f\u0435\u0440\u0432\u043e\u0433\u043e \u0442\u043e\u043a\u0435\u043d\u0430\u00b7\u00a0 \u00a0 \u00a0 TPOT (Time Per Output Token, \u043c\u0441): \u0441\u0440\u0435\u0434\u043d\u0435\u0435 \u0432\u0440\u0435\u043c\u044f \u043d\u0430 \u0442\u043e\u043a\u0435\u043d\u00b7\u00a0 \u00a0 \u00a0 tok\/s: \u0442\u043e\u043a\u0435\u043d\u043e\u0432 \u0432 \u0441\u0435\u043a\u0443\u043d\u0434\u0443\u00b7\u00a0 \u00a0 \u00a0 tok\/page: \u0442\u043e\u043a\u0435\u043d\u043e\u0432 \u043d\u0430 \u0441\u0442\u0440\u0430\u043d\u0438\u0446\u0443 (\u0434\u043b\u044f VLM)\u00b7\u00a0 \u00a0 \u00a0 peak GPU memory (\u0413\u0411), GPU utilization (%)\u0417\u0430\u043c\u0435\u0440\u044b \u043f\u0438\u0448\u0443\u0442\u0441\u044f \u0432 JSON, \u0433\u0440\u0430\u0444\u0438\u043a\u0438 \u0441\u0442\u0440\u043e\u044f\u0442\u0441\u044f \u043e\u0442\u0434\u0435\u043b\u044c\u043d\u043e.\u0420\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442 1. \u041e\u0431\u0449\u0438\u0439 \u0440\u0435\u0439\u0442\u0438\u043d\u0433 \u0441\u0442\u0440\/\u043c\u0438\u043d \u0438 \u043b\u043e\u0432\u0443\u0448\u043a\u0430 Tesseract\u041f\u0435\u0440\u0432\u043e\u0435, \u0447\u0442\u043e \u0445\u043e\u0447\u0435\u0442\u0441\u044f \u0437\u043d\u0430\u0442\u044c \u043f\u0440\u043e OCR, \u0441\u043a\u043e\u043b\u044c\u043a\u043e \u0441\u0442\u0440\u0430\u043d\u0438\u0446 \u0432 \u043c\u0438\u043d\u0443\u0442\u0443. \u0412\u043e\u0442 \u043e\u0431\u0449\u0438\u0439 \u0440\u0435\u0439\u0442\u0438\u043d\u0433 \u0432\u0441\u0435\u0445 14 \u043a\u043e\u043c\u0431\u0438\u043d\u0430\u0446\u0438\u0439 \u043c\u043e\u0434\u0435\u043b\u044c + \u0434\u0432\u0438\u0436\u043e\u043a, \u0443\u043f\u043e\u0440\u044f\u0434\u043e\u0447\u0435\u043d\u043e \u043f\u043e \u0443\u0431\u044b\u0432\u0430\u043d\u0438\u044e:\u041e\u0431\u0449\u0438\u0439 \u0440\u0435\u0439\u0442\u0438\u043d\u0433 pages\/min#\u041c\u043e\u0434\u0435\u043b\u044c\u0414\u0432\u0438\u0436\u043e\u043a\/\u043e\u043a\u0440\u0443\u0436\u0435\u043d\u0438\u0435\u0421\u0442\u0440\/\u043c\u0438\u043d1TesseractCPU193.12RapidOCRCPU143.53PaddleOCR-VLSGLang (GPU)110.84EasyOCRCPU105.55PaddleOCR-VLvLLM (GPU)98.76Dots.OCRvLLM (GPU)61.67DeepSeek-OCRvLLM (GPU)56.38Cotype Light 3 (+MTP)vLLM (GPU)37.79Dots.OCRSGLang (GPU)27.910Cotype Light 3vLLM (GPU)26.511Qwen2.5-VL-7BSGLang (GPU)21.312Qwen2.5-VL-7BvLLM (GPU)21.113PaddleOCR v5CPU15.014Qwen2.5-VL-7BNative HF (GPU)10.9\u0412 \u043b\u0438\u0434\u0435\u0440\u0430\u0445 Tesseract (193) \u0438 RapidOCR (143) \u043d\u0430 CPU. \u041d\u0430 GPU \u0431\u044b\u0441\u0442\u0440\u0435\u0435 \u0432\u0441\u0435\u0433\u043e PaddleOCR-VL \u043f\u043e\u0434 SGLang (111) \u0438 \u043f\u043e\u0434 vLLM (99). EasyOCR (105) \u0434\u0430\u0435\u0442 \u043d\u0435\u043f\u043b\u043e\u0445\u043e\u0439 CPU-\u0440\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442. \u0410\u0443\u0442\u0441\u0430\u0439\u0434\u0435\u0440\u044b: Qwen2.5-VL-7B (21 \u043d\u0430 vLLM\/SGLang, 11 \u043d\u0430 Native) \u0438 PaddleOCR v5 (15 \u0441\u0442\u0440\/\u043c\u0438\u043d \u043d\u0430 CPU).\u041a\u0430\u0436\u0435\u0442\u0441\u044f \u043e\u0447\u0435\u0432\u0438\u0434\u043d\u044b\u043c, \u0447\u0442\u043e \u0442\u0440\u0430\u0434\u0438\u0446\u0438\u043e\u043d\u043d\u044b\u0439 OCR \u043d\u0430 CPU \u0431\u044b\u0441\u0442\u0440\u0435\u0435 VLM \u043d\u0430 GPU, \u0431\u0435\u0440\u0438\u0442\u0435 Tesseract. \u041d\u043e \u044d\u0442\u043e \u043b\u043e\u0432\u0443\u0448\u043a\u0430.\u041f\u043e\u0441\u043c\u043e\u0442\u0440\u0438\u0442\u0435 \u043d\u0430 \u043f\u043e\u043b\u043d\u043e\u0442\u0443 \u0432\u044b\u0432\u043e\u0434\u0430 \u2014 \u0441\u043a\u043e\u043b\u044c\u043a\u043e \u0441\u0438\u043c\u0432\u043e\u043b\u043e\u0432 \u0438\u043b\u0438 \u0442\u043e\u043a\u0435\u043d\u043e\u0432 \u043c\u043e\u0434\u0435\u043b\u044c \u0432\u044b\u0434\u0430\u0435\u0442 \u043d\u0430 \u043e\u0434\u043d\u0443 \u0441\u0442\u0440\u0430\u043d\u0438\u0446\u0443:OCR vs VLM: \u0441\u043a\u043e\u0440\u043e\u0441\u0442\u044c \u0438 \u043f\u043e\u043b\u043d\u043e\u0442\u0430\u00b7\u00a0 \u00a0 \u00a0 Tesseract: 411 \u0441\u0438\u043c\u0432\u043e\u043b\u043e\u0432\/\u0441\u0442\u0440\u00b7\u00a0 \u00a0 \u00a0 RapidOCR: 549\u00b7\u00a0 \u00a0 \u00a0 PaddleOCR v5: 766\u00b7\u00a0 \u00a0 \u00a0 EasyOCR: 795\u00b7\u00a0 \u00a0 \u00a0 PaddleOCR-VL: 1193 \u0442\u043e\u043a\u0435\u043d\u043e\u0432\/\u0441\u0442\u0440Tesseract \u0431\u044b\u0441\u0442\u0440\u044b\u0439 \u0438\u043c\u0435\u043d\u043d\u043e \u043f\u043e\u0442\u043e\u043c\u0443, \u0447\u0442\u043e \u0432\u043e\u0437\u0432\u0440\u0430\u0449\u0430\u0435\u0442 \u043c\u0435\u043d\u044c\u0448\u0435. \u041d\u0430 \u0441\u043b\u043e\u0436\u043d\u044b\u0445 \u0438\u0437\u043e\u0431\u0440\u0430\u0436\u0435\u043d\u0438\u044f\u0445 (\u0440\u0443\u043a\u043e\u043f\u0438\u0441\u044c, \u043d\u0438\u0437\u043a\u0438\u0439 \u043a\u043e\u043d\u0442\u0440\u0430\u0441\u0442, \u043d\u0430\u043a\u043b\u043e\u043d) \u043e\u043d \u043f\u0440\u043e\u043f\u0443\u0441\u043a\u0430\u0435\u0442 \u0443\u0447\u0430\u0441\u0442\u043a\u0438, \u0433\u0434\u0435 \u043d\u0435 \u0443\u0432\u0435\u0440\u0435\u043d, \u0438 \u0432\u043e\u0437\u0432\u0440\u0430\u0449\u0430\u0435\u0442 \u043f\u0443\u0441\u0442\u0443\u044e \u0441\u0442\u0440\u043e\u043a\u0443. \u0411\u044b\u0441\u0442\u0440\u043e \u043e\u0442\u0432\u0435\u0447\u0430\u0442\u044c \u00ab\u043d\u0435 \u0437\u043d\u0430\u044e\u00bb \u2014 \u0442\u0430\u043a \u0441\u0435\u0431\u0435 \u043f\u043e\u0431\u0435\u0434\u0430.EasyOCR \u043b\u0438\u0434\u0438\u0440\u0443\u0435\u0442 \u043f\u043e \u043f\u043e\u043b\u043d\u043e\u0442\u0435 \u0441\u0440\u0435\u0434\u0438 \u0442\u0440\u0430\u0434\u0438\u0446\u0438\u043e\u043d\u043d\u044b\u0445 OCR-\u043c\u043e\u0434\u0435\u043b\u0435\u0439 (795 \u0441\u0438\u043c\u0432\u043e\u043b\u043e\u0432) \u043f\u0440\u0438 \u0440\u0430\u0437\u0443\u043c\u043d\u044b\u0445 105 \u0441\u0442\u0440\/\u043c\u0438\u043d, \u044d\u0442\u043e \u0447\u0435\u0441\u0442\u043d\u044b\u0439 CPU-\u0431\u0435\u0439\u0437\u043b\u0430\u0439\u043d. RapidOCR \u043f\u0440\u0438 549 \u0441\u0438\u043c\u0432\u043e\u043b\u0430\u0445 \u2014 \u043a\u043e\u043c\u043f\u0440\u043e\u043c\u0438\u0441\u0441 \u043c\u0435\u0436\u0434\u0443 \u0441\u043a\u043e\u0440\u043e\u0441\u0442\u044c\u044e \u0438 \u043f\u043e\u043b\u043d\u043e\u0442\u043e\u0439.VLM \u0432\u044b\u0434\u0430\u044e\u0442 \u043d\u0430 \u043f\u043e\u0440\u044f\u0434\u043e\u043a \u0431\u043e\u043b\u044c\u0448\u0435 \u0442\u043e\u043a\u0435\u043d\u043e\u0432, \u043f\u043e\u0442\u043e\u043c\u0443 \u0447\u0442\u043e \u0440\u0430\u0441\u043f\u043e\u0437\u043d\u0430\u044e\u0442 \u0440\u0430\u0437\u043c\u0435\u0442\u043a\u0443: \u0437\u0430\u0433\u043e\u043b\u043e\u0432\u043a\u0438, \u0441\u043f\u0438\u0441\u043a\u0438, \u0442\u0430\u0431\u043b\u0438\u0446\u044b \u0432 Markdown. 30\u201340% \u043e\u0431\u044a\u0435\u043c\u0430 \u0443 PaddleOCR-VL \u2014 \u044d\u0442\u043e \u043d\u0435 \u0441\u0430\u043c\u0438 \u0441\u0438\u043c\u0432\u043e\u043b\u044b, \u0430 \u0441\u0442\u0440\u0443\u043a\u0442\u0443\u0440\u0430 \u0434\u043e\u043a\u0443\u043c\u0435\u043d\u0442\u0430.\u0412\u044b\u0432\u043e\u0434: \u043a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u043e \u0440\u0430\u0441\u043f\u043e\u0437\u043d\u0430\u043d\u043d\u044b\u0445 \u0441\u0442\u0440\u0430\u043d\u0438\u0446 \u0432 \u043c\u0438\u043d\u0443\u0442\u0443 \u0431\u0435\u0437 \u043a\u043e\u043d\u0442\u0435\u043a\u0441\u0442\u0430 \u043f\u043e\u043b\u043d\u043e\u0442\u044b \u2014 \u0431\u0435\u0441\u043f\u043e\u043b\u0435\u0437\u043d\u0430\u044f \u043c\u0435\u0442\u0440\u0438\u043a\u0430. \u041d\u0430 \u043f\u0440\u043e\u0441\u0442\u044b\u0445 \u043f\u0435\u0447\u0430\u0442\u043d\u044b\u0445 \u0434\u043e\u043a\u0443\u043c\u0435\u043d\u0442\u0430\u0445 Tesseract \u0431\u0443\u0434\u0435\u0442 \u043b\u0438\u0434\u0435\u0440\u043e\u043c \u043f\u043e \u043f\u0440\u0438\u0447\u0438\u043d\u0435 \u043c\u0438\u043d\u0438\u043c\u0430\u043b\u044c\u043d\u043e\u0439 \u0432\u044b\u0447\u0438\u0441\u043b\u0438\u0442\u0435\u043b\u044c\u043d\u043e\u0439 \u0441\u043b\u043e\u0436\u043d\u043e\u0441\u0442\u0438. \u041d\u0430 \u0441\u043b\u043e\u0436\u043d\u044b\u0445 &#8212; \u043f\u043e \u043f\u0440\u0438\u0447\u0438\u043d\u0435 \u043f\u0440\u043e\u043f\u0443\u0441\u043a\u043e\u0432.\u0420\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442 2. vLLM vs SGLang vs Native, 2-\u043a\u0440\u0430\u0442\u043d\u044b\u0439 \u0440\u0430\u0437\u0440\u044b\u0432 \u043d\u0430 \u043e\u0434\u043d\u043e\u0439 \u043c\u043e\u0434\u0435\u043b\u0438\u041f\u043e\u0441\u043b\u0435 \u0432\u044b\u0431\u043e\u0440\u0430 VLM \u043d\u0443\u0436\u043d\u043e \u043e\u043f\u0440\u0435\u0434\u0435\u043b\u0438\u0442\u044c\u0441\u044f \u0441 \u0434\u0432\u0438\u0436\u043a\u043e\u043c \u0438\u043d\u0444\u0435\u0440\u0435\u043d\u0441\u0430.\u0415\u0441\u0442\u044c \u0442\u0440\u0438 \u043a\u0430\u043d\u0434\u0438\u0434\u0430\u0442\u0430:\u00b7\u00a0 vLLM: PagedAttention, \u0434\u0435-\u0444\u0430\u043a\u0442\u043e \u0441\u0442\u0430\u043d\u0434\u0430\u0440\u0442 \u0434\u043b\u044f \u043f\u0440\u043e\u0434\u0430. \u0428\u0438\u0440\u043e\u043a\u0430\u044f \u043f\u043e\u0434\u0434\u0435\u0440\u0436\u043a\u0430 \u043c\u043e\u0434\u0435\u043b\u0435\u0439, OpenAI-\u0441\u043e\u0432\u043c\u0435\u0441\u0442\u0438\u043c\u044b\u0439 API.\u00b7\u00a0 SGLang: RadixAttention, \u0430\u0433\u0440\u0435\u0441\u0441\u0438\u0432\u043d\u0430\u044f \u043e\u043f\u0442\u0438\u043c\u0438\u0437\u0430\u0446\u0438\u044f KV-cache. \u041b\u0443\u0447\u0448\u0435 \u043f\u0440\u043e\u043f\u0443\u0441\u043a\u043d\u0430\u044f \u0441\u043f\u043e\u0441\u043e\u0431\u043d\u043e\u0441\u0442\u044c \u043d\u0430 \u0441\u043f\u0435\u0446\u0438\u0430\u043b\u0438\u0437\u0438\u0440\u043e\u0432\u0430\u043d\u043d\u044b\u0445 \u043c\u043e\u0434\u0435\u043b\u044f\u0445, \u044d\u043a\u043e\u043d\u043e\u043c\u043d\u0435\u0435 \u043f\u043e \u043f\u0430\u043c\u044f\u0442\u0438.\u00b7\u00a0 Native HF Transformers: \u043f\u0440\u044f\u043c\u043e\u0439 AutoModel.generate(). \u041c\u0438\u043d\u0438\u043c\u0443\u043c \u0437\u0430\u0432\u0438\u0441\u0438\u043c\u043e\u0441\u0442\u0435\u0439, \u043c\u0430\u043a\u0441\u0438\u043c\u0443\u043c \u0441\u043e\u0432\u043c\u0435\u0441\u0442\u0438\u043c\u043e\u0441\u0442\u0438. \u0418\u0441\u043f\u043e\u043b\u044c\u0437\u0443\u0435\u0442\u0441\u044f \u0434\u043b\u044f \u043f\u0440\u043e\u0442\u043e\u0442\u0438\u043f\u0438\u0440\u043e\u0432\u0430\u043d\u0438\u044f.\u0427\u0442\u043e\u0431\u044b \u0438\u0437\u043e\u043b\u0438\u0440\u043e\u0432\u0430\u0442\u044c \u044d\u0444\u0444\u0435\u043a\u0442 \u0434\u0432\u0438\u0436\u043a\u0430, \u043c\u044b \u043f\u0440\u043e\u0433\u043d\u0430\u043b\u0438 \u043e\u0434\u043d\u0443 \u043c\u043e\u0434\u0435\u043b\u044c, Qwen2.5-VL-7B, \u043f\u043e\u0434 \u0432\u0441\u0435\u043c\u0438 \u0442\u0440\u0435\u043c\u044f:Qwen2.5-VL-7B, \u0441\u0440\u0430\u0432\u043d\u0435\u043d\u0438\u0435 \u0434\u0432\u0438\u0436\u043a\u043e\u0432Qwen2.5-VL \u043f\u043e\u0434 Native vs vLLM vs SGLang\u0414\u0432\u0438\u0436\u043e\u043aTTFT, \u043c\u0441\u0441\u0442\u0440\/\u043c\u0438\u043dGPU memory, \u0413\u0411GPU util, %Native HF138.910.949.664.3vLLM78.421.168.698.7SGLang122.421.356.596.7\u0412\u044b\u0432\u043e\u0434 1: Native HF \u043d\u0435 \u0434\u043b\u044f \u043f\u0440\u043e\u0434\u0430. \u0414\u0432\u0443\u043a\u0440\u0430\u0442\u043d\u043e\u0435 \u043e\u0442\u0441\u0442\u0430\u0432\u0430\u043d\u0438\u0435 \u0432 \u0441\u043a\u043e\u0440\u043e\u0441\u0442\u0438 \u0440\u0430\u0441\u043f\u043e\u0437\u043d\u0430\u0432\u0430\u043d\u0438\u044f \u2014 \u044d\u0442\u043e \u043d\u0435 \u043f\u0440\u043e\u0441\u0442\u043e \u00ab\u043d\u0435\u043c\u043d\u043e\u0433\u043e \u0445\u0443\u0436\u0435\u00bb, \u0430 \u0432\u0434\u0432\u043e\u0435 \u0445\u0443\u0436\u0435. \u0423\u0442\u0438\u043b\u0438\u0437\u0430\u0446\u0438\u044f GPU \u2014 64% \u043f\u0440\u043e\u0442\u0438\u0432 97\u201399%, Native HF \u043f\u0440\u043e\u0441\u0442\u043e \u043d\u0435 \u0443\u043c\u0435\u0435\u0442 \u0433\u0440\u0443\u0437\u0438\u0442\u044c \u043a\u0430\u0440\u0442\u0443. \u0421 \u0440\u043e\u0441\u0442\u043e\u043c \u043f\u0430\u0440\u0442\u0438\u0439 \u0437\u0430\u043f\u0440\u043e\u0441\u043e\u0432 (batch &gt; 1) \u0440\u0430\u0437\u0440\u044b\u0432 \u0441\u0442\u0430\u043d\u0435\u0442 \u0435\u0449\u0435 \u0437\u0430\u043c\u0435\u0442\u043d\u0435\u0435.\u0412\u044b\u0432\u043e\u0434 2: \u0440\u0430\u0437\u043d\u0438\u0446\u0430 \u043c\u0435\u0436\u0434\u0443 vLLM vs SGLang \u0432 \u043f\u0440\u0435\u0434\u0435\u043b\u0430\u0445 \u043f\u043e\u0433\u0440\u0435\u0448\u043d\u043e\u0441\u0442\u0438. \u041f\u043e \u043f\u0440\u043e\u043f\u0443\u0441\u043a\u043d\u043e\u0439 \u0441\u043f\u043e\u0441\u043e\u0431\u043d\u043e\u0441\u0442\u0438 (throughput) \u043d\u0430 Qwen \u043e\u043d\u0438 \u0438\u0434\u0443\u0442 \u043f\u043e\u0447\u0442\u0438 \u043e\u0434\u0438\u043d\u0430\u043a\u043e\u0432\u043e (21.1 vs 21.3), \u043e\u0434\u043d\u0430\u043a\u043e\u00a0 vLLM \u043b\u0443\u0447\u0448\u0435 TTFT (78 \u043c\u0441 vs 122) \u0438 \u0432\u044b\u0438\u0433\u0440\u044b\u0432\u0430\u0435\u0442 \u0432 \u043f\u043b\u0430\u043d\u0435 \u0441\u043e\u0432\u043c\u0435\u0441\u0442\u0438\u043c\u043e\u0441\u0442\u0438 \u0441 \u043c\u043e\u0434\u0435\u043b\u044f\u043c\u0438. SGLang \u044d\u043a\u043e\u043d\u043e\u043c\u043d\u0435\u0435 \u043f\u043e \u043f\u0430\u043c\u044f\u0442\u0438 (57 \u0413\u0411 vs 69 \u0413\u0411 \u0443 vLLM) \u0438 \u0432 \u043f\u0440\u043e\u0433\u043e\u043d\u0430\u0445 \u043d\u0430 \u0441\u043f\u0435\u0446\u0438\u0430\u043b\u0438\u0437\u0438\u0440\u043e\u0432\u0430\u043d\u043d\u044b\u0445 \u043c\u043e\u0434\u0435\u043b\u044f\u0445 \u0434\u0430\u0432\u0430\u043b +5\u201314% \u043a \u043f\u0440\u043e\u043f\u0443\u0441\u043a\u043d\u043e\u0439 \u0441\u043f\u043e\u0441\u043e\u0431\u043d\u043e\u0441\u0442\u0438.\u0420\u0435\u043a\u043e\u043c\u0435\u043d\u0434\u0430\u0446\u0438\u044f: \u043f\u043e \u0443\u043c\u043e\u043b\u0447\u0430\u043d\u0438\u044e \u0434\u043b\u044f \u043f\u0440\u043e\u0434\u0430\u043a\u0448\u0435\u043d\u0430 \u0431\u0435\u0440\u0435\u043c vLLM. \u041a SGLang \u0438\u0434\u0435\u043c, \u043a\u043e\u0433\u0434\u0430 \u043d\u0443\u0436\u043d\u0430 \u043c\u0430\u043a\u0441\u0438\u043c\u0430\u043b\u044c\u043d\u0430\u044f \u043f\u0440\u043e\u043f\u0443\u0441\u043a\u043d\u0430\u044f \u0441\u043f\u043e\u0441\u043e\u0431\u043d\u043e\u0441\u0442\u044c \u0438\u043b\u0438 \u043a\u043e\u0433\u0434\u0430 \u0443\u043f\u0435\u0440\u043b\u0438\u0441\u044c \u0432 \u043f\u0430\u043c\u044f\u0442\u044c \u0432\u0438\u0434\u0435\u043e\u043a\u0430\u0440\u0442\u044b. Native \u2014 \u0442\u043e\u043b\u044c\u043a\u043e \u0434\u043b\u044f \u0438\u0441\u0441\u043b\u0435\u0434\u043e\u0432\u0430\u043d\u0438\u0439 \u0432 Jupyter.\u0420\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442 3. PaddleOCR-VL 1.7B \u043e\u0431\u0433\u043e\u043d\u044f\u0435\u0442 Qwen2.5-VL 7B \u0432 \u043f\u044f\u0442\u044c \u0441 \u043b\u0438\u0448\u043d\u0438\u043c \u0440\u0430\u0437 \u043f\u043e \u0441\u043a\u043e\u0440\u043e\u0441\u0442\u0438\u0418 \u044d\u0442\u043e \u0433\u043b\u0430\u0432\u043d\u044b\u0439 \u043d\u0435\u043e\u0436\u0438\u0434\u0430\u043d\u043d\u044b\u0439 \u0440\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442 \u0431\u0435\u043d\u0447\u043c\u0430\u0440\u043a\u0430.\u00a0\u0412\u0441\u0435 \u0432\u043e\u0441\u0435\u043c\u044c VLM-\u043f\u0440\u043e\u0433\u043e\u043d\u043e\u0432 \u0432 \u043e\u0434\u043d\u043e\u0439 \u0442\u0430\u0431\u043b\u0438\u0446\u0435:\u041c\u043e\u0434\u0435\u043b\u044c\u0414\u0432\u0438\u0436\u043e\u043aTTFT, \u043c\u0441\u0442\u043e\u043a\u0435\u043d\/\u0441\u0441\u0442\u0440\/\u043c\u0438\u043d\u0442\u043e\u043a\u0435\u043d\/\u0441\u0442\u0440GPU mem, \u0413\u0411GPU util, %PaddleOCR-VLSGLang140.3604.2110.8119356.190.2PaddleOCR-VLvLLM64.3571.798.7131469.694.8Dots.OCRvLLM83.7221.461.666667.496.1DeepSeek-OCRvLLM133.6419.556.3122470.295.2Dots.OCRSGLang105.0252.927.9100456.397.1Qwen2.5-VL-7BSGLang122.490.621.344256.596.7Qwen2.5-VL-7BvLLM78.490.521.134168.698.7Qwen2.5-VL-7BNative138.941.410.933349.664.3\u0423 PaddleOCR-VL \u0432\u0441\u0435\u0433\u043e 1,7 \u043c\u043b\u0440\u0434 \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u043e\u0432, \u0443 Qwen2.5-VL-7B \u2014 7 \u043c\u043b\u0440\u0434. \u041d\u043e \u043f\u0435\u0440\u0432\u0430\u044f \u0432 5,2 \u0440\u0430\u0437\u0430 \u043e\u043f\u0435\u0440\u0435\u0436\u0430\u0435\u0442 \u0432\u0442\u043e\u0440\u0443\u044e \u043f\u043e \u0441\u0442\u0440\u0430\u043d\u0438\u0446\u0430\u043c \u0432 \u043c\u0438\u043d\u0443\u0442\u0443 (110.8 \u043f\u0440\u043e\u0442\u0438\u0432 21.1\u201321.3) \u0438 \u0432 6,7 \u0440\u0430\u0437\u0430 \u2014 \u043f\u043e \u0442\u043e\u043a\u0435\u043d\u0430\u043c \u0432 \u0441\u0435\u043a\u0443\u043d\u0434\u0443 (604.2 \u043f\u0440\u043e\u0442\u0438\u0432 90.5\u201390.6). \u041f\u043e \u0441\u0442\u0440\u0430\u043d\u0438\u0446\u0430\u043c \u0432 \u043c\u0438\u043d\u0443\u0442\u0443 \u0440\u0430\u0437\u0440\u044b\u0432 \u043c\u0435\u043d\u044c\u0448\u0435, \u043f\u043e\u0442\u043e\u043c\u0443 \u0447\u0442\u043e PaddleOCR-VL \u0433\u0435\u043d\u0435\u0440\u0438\u0440\u0443\u0435\u0442 \u0431\u043e\u043b\u044c\u0448\u0435 \u0442\u043e\u043a\u0435\u043d\u043e\u0432 \u043d\u0430 \u0441\u0442\u0440\u0430\u043d\u0438\u0446\u0443 (1193 \u043f\u0440\u043e\u0442\u0438\u0432 341\u2013442) \u2014 \u0437\u0430 \u0441\u0447\u0435\u0442 markdown-\u0440\u0430\u0437\u043c\u0435\u0442\u043a\u0438 \u0432 \u0432\u044b\u0432\u043e\u0434\u0435.\u041f\u043e\u0447\u0435\u043c\u0443 \u0442\u0430\u043a \u043f\u043e\u043b\u0443\u0447\u0430\u0435\u0442\u0441\u044f? PaddleOCR-VL, DeepSeek-OCR &#8230;<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[],"tags":[],"class_list":["post-489313","post","type-post","status-publish","format-standard","hentry"],"_links":{"self":[{"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/posts\/489313","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=489313"}],"version-history":[{"count":0,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/posts\/489313\/revisions"}],"wp:attachment":[{"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=489313"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=489313"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=489313"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}