IBM 开源轻量级多模态文档理解模型 Granite-Docling：258M 参数，精准还原 PDF、截图中的公式、表格与代码
还在为扫描版 PDF 无法复制、截图里的数学公式难以提取而头疼？
IBM 刚刚开源了一款轻量但强大的多模态文档处理模型 —— Granite-Docling（258M），专为高精度结构化文档理解而生。
这款模型不仅能执行 OCR（光学字符识别），还能直接将图像中的复杂内容——包括 文本段落、表格、代码块、数学公式 —— 转换为结构清晰的 Markdown 或 LaTeX 格式，真正实现“所见即所得”的智能文档解析。
核心亮点：小模型，大能力
尽管参数量仅为 2.58亿（258M），Granite-Docling 在多项关键任务上表现惊艳：
- 📐 数学公式识别准确率：96.8%
- 💻 代码块识别准确率：98.8%
- 📊 表格结构还原准确率：97%
这意味着，无论是科研论文中的复杂公式、技术文档里的代码片段，还是财报中的多层嵌套表格，Granite-Docling 都能高保真还原其语义结构，而不仅仅是“识别文字”。