Pubblicato il 30 giu 2026
Famiglia di modelli vision-encoder-decoder di NVIDIA per la comprensione di documenti in locale: markdown, formule LaTeX, bounding box e classe semantica per elemento, nell'ordine di lettura. ViT-H (C-RADIO) + decoder mBART a 10 blocchi, tutti sotto il miliardo di parametri. In locale via vLLM (v0.20–v0.26 per la 2.0) o Transformers, su GPU NVIDIA (Turing ad 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.
Visita il sito ufficiale per scaricare, documentarti e iniziare a utilizzare NVIDIA Nemotron Parse (famiglia OCR).
Modello MoE di DeepSeek con 552B di parametri totali e 8-16B attivi per token. Contesto da 1M di token, licenza MIT: uso commerciale libero. Pensato per il serving in linea, troppo grande per un uso locale su un singolo PC.
Il modello di immagini aperto più avanzato: aderenza al prompt eccellente, anatomia solida e fine-tuning completo. Lo standard per chi fa serio.
Generazione in pochissimi step con qualità alta e ottimo rendering del testo. La versione distillata di FLUX, pensata per la velocità.
