Released on Jun 30, 2026
NVIDIA's vision encoder-decoder family for local document understanding: markdown, LaTeX formulas, bounding boxes and a semantic class per element, in reading order. ViT-H (C-RADIO) + 10-block mBART decoder, all under 1 billion parameters. Locally via vLLM (v0.20–v0.26 for 2.0) or Transformers, on NVIDIA GPUs (Turing through Blackwell).
Versione attuale (~903M di parametri): OCR multilingua esteso con grandi guadagni su CJK e scritture indiche (IndicVisionBench ANLS 0.06→0.72), miglioramento del manoscritto, patch per i pesi legati in vLLM. Supporta vLLM v0.20–v0.26, validato con v0.20.0.
Miglioramento dell'estrazione su pagine miste e scrittura informale; disponibile in vllm main (immagine vllm-openai v0.14.1).
Rilascio iniziale (~957M di parametri): markdown, LaTeX, bounding box e classi semantiche nell'ordine di lettura; paper arXiv 2511.20478. In locale via vLLM (immagine vllm-openai v0.14.1) e validato anche con vLLM 0.20.1.
Visit the official site to download, learn more and start using NVIDIA Nemotron Parse (famiglia OCR).
DeepSeek's MoE model with 552B total parameters and 8-16B active per token. 1M-token context, MIT license: free commercial use. Built for online serving, too large for local use on a single PC.
The most advanced open image model: excellent prompt adherence, solid anatomy, full fine-tuning. The standard for serious work.
Very few steps, high quality, and strong text rendering. The distilled FLUX variant, built for speed.
