UNIREC是一个0.1B参数量的模型，整体pipline遵循layout（直接拿的paddleocr的layout模型）+ VLM OCR（UNIREC-0.1B） 。从这个模型可以看一个趋势，VLM-OCR正在朝参数小进化。下面来看简单看下模型架构、数据情况、实际测试，性能实际测下来一般，仅供参考。
文档解析的开源项目模型技术方案都在《文档智能专栏》，如：
- 再看两阶段多模态文档解析大模型-PaddleOCR-VL架构、数据、训练方法
- 如何打造一个文档解析的多模态大模型？MinerU2.5架构、数据、训练方法
- 端到端的多模态文档解析模型-DeepSeek-OCR架构、数据、训练方法...
模型架构
模型结构
- 视觉编码器：FocalSVTR
- 连接器：线性层
- 语言模型：M2M100
特别的：最大宽度和高度分别限制在 960 和1408 像素。
数据
UniRec40M 的构成，该数据集包含近 3000 万英文样本和 1000 万中文样本。数据集包括 1900 万纯文本、1300 万仅含公式以及 800 万文本与公式混合的样本。
与paddleocr-vl、mineru等一样，训练UNIREC-0.1B时构造相关block（文本、公式、表格等）数据-UniRec40M（数据未开源） 。
实验性能
实际测试case
测试链接：https://modelscope.cn/studios/topdktu/OpenDoc-0.1B-Demo 笔者随便截取了tech report中的几页，效果如下（由于版式分析模型是使用的paddleocr的layout模型，测试主要关注下block的ocr format能力，测了两张不是特别好，就未压测）：
case1
case2
识别如下：
参考文献
- paper：UniRec-0.1B: Unified Text and Formula Recognition with 0.1B Parameters，https://arxiv.org/pdf/2512.21095
- demo：https://modelscope.cn/studios/topdktu/OpenDoc-0.1B-Demo