腾讯发布 Youtu-Parsing-Omni，用于将文档和媒体解析为 JSON

2026 年 10 月 9 日，HuggingFace 上出现了模型 tencent/Youtu-Parsing-Omni，任务为 text-generation。它接收一个输入对象——文档页面、照片、图表、几何图形、音频或视频——并返回包含感知与分析结果的结构化 JSON：标注、文本、表格、公式、时间码、语音识别和描述。

这意味着什么

该模型包含 53 亿参数，最大的权重文件是 model.safetensors，大小为 9.9 GB。通过 transformers 启动，权重以 safetensors 格式发布。平台上目前还没有量化版本，因此运行需要一张显存足以容纳完整模型权重的显卡。 许可证为 License Terms of Youtu-Parsing：允许商业使用，但欧盟地区除外。该模型可以使用、修改和分发，分发时需附上许可证副本、标注修改内容并保留署名声明。第三方组件遵循各自的许可证。 在自己的硬件上本地运行该模型是可行的，但没有现成的量化版本，它对显存要求较高。可以关注这类版本的出现以及其他 AI 工具新闻，详见 CPU3D 动态。