MonkeyOCR采用"结构-识别-关系"(SRR)三元范式，既简化了模块化方法的多工具流程，又规避了使用大型多模态模型处理整页文档的效率低下问题。 
相较于基于流程的MinerU方案，MonkeyOCR在九类中英文文档上平均准确率提升5.1%，其中公式识别提升15.0%，表格处理提升8.6%。与端到端模型对比时，我们的30亿参数模型在英文文档上取得最佳平均表现，性能超越Gemini 2.5 Pro和Qwen2.5 VL-72B等模型。针对多页文档解析任务，我们的方法处理速度达到每秒0.84页，显著优于MinerU(0.65页/秒)和Qwen2.5 VL-7B(0.12页/秒)。 
 [image] 
 [image] 
仓库地址：echo840/MonkeyOCR · Hugging Face 
模型地址：echo840/MonkeyOCR · Hugging Face 
Demo：ht...