IBM 发布轻量级视觉语言 AI 模型 Granite-Docling-258M：用于文件转换、支持中文

GoodNav 报道，IBM 今日发布了轻量级视觉语言模型 Granite-Docling-258M，专为端到端文件转换设计，参数量为 2.58 亿。该模型基于 Apache 2.0 开源协议，已在 Hugging Face 上线(点此访问).

该模型参数量为 2.58 亿，针对文档和表格优化，能够完整保留版面、表格、公式、列表和代码等结构，识别准确率高于传统 OCR 软件。

IBM 研发团队介绍，Granite-Docling 的核心是 DocTags，一套用于描述文件结构的通用标记语言。DocTags 精确标记页面元素类型、坐标、阅读顺序及跨元素关系，实现内容与版面分离，先识别元素再进行 OCR 识别。转换后，DocTags 可将内容导出为 Markdown、JSON、HTML 等格式，并可进一步在 Docling 库中处理。