MonkeyOCR
开源的文档解析模型，用「结构-识别-关系」三元组路线把 PDF、扫描件转成结构化文本，提供解析脚本和本地 API 服务，1.2B 版本在中文文档上比 3B 更快且更准，适合做合同、论文、报表批量入库的团队自备 GPU 搭流水线。
MonkeyOCR 是一个开源的文档解析模型，代码托管在 GitHub 上，采用 Apache-2.0 许可。它要解决的问题是：把 PDF、扫描件这类版面复杂的文档，转成可编辑、可检索的结构化文本。常见做法要么拼一堆工具（版面检测、OCR、表格识别各跑一遍），要么把整页丢给大模型硬啃；MonkeyOCR 走的是「结构-识别-关系」三元组路线，把这两头的毛病都绕开一些。
主要功能
仓库里提供了解析脚本、API 服务和 demo 目录，可以按文档跑推理，也能起一个本地服务供其他程序调用。模型分 3B 和 1.2B 两个规格，1.2B 版本在中文文档上比 3B 高 7.4%，速度快约 36%，性能只掉 1.6% 左右。README 里给了不同显卡（3090、4090、A6000、H800）上的推理速度表，页数从 50 到 1000 页都有数据，方便估算批量处理的耗时。
适合谁
适合需要自己搭文档解析流水线的开发者，比如做合同、论文、报表批量入库的团队。它不提供网页版，得自己装环境、下模型权重、准备 GPU。只想偶尔转一份 PDF 的普通用户，用现成的在线 OCR 会更省事。
版本与限制
仓库公告显示 2026 年 7 月发布了 MonkeyOCRv2，改用文档原生视觉骨干加 0.7B 解析器，覆盖 17 种语言，同样以 Apache-2.0 开源，并指向了新的仓库地址。论文已被 SCIENCE CHINA Information Sciences 接收。界面和文档以英文为主，中文文档解析是它的强项之一。