此页是 2026-05-21 的观测快照,查看该模型当前信息 → /m/numind__nuextract3/

归档 / 2026-05-21 / NuExtract3 (NuMind)

NuExtract3 (NuMind)

文档结构化提取和Markdown转换的4B视觉语言模型

入选理由: 有HF Space和vLLM接口可即用；本质为微调改进。
对位: 对位Qwen3.5-4B、Gemma-4-E4B等小型文档VLM
适合: 发票/合同/表格等文档JSON结构化提取 / 图片/扫描PDF转Markdown供RAG使用
不适合: 通用图像问答或纯文本生成
规模: 4B · 131k · Q4 ~3GB / FP16 ~11GB
授权: Apache-2.0 · 可商用
框架: vllm / transformers
血统: 微调自 Qwen3.5-4B
可信度: 内部600样本benchmark结构提取均分0.651，超Gemma-4-E4B-it(0.538)与Qwen3.5-4B(0.417)

仅 safetensors · 无 pickle 加载风险

社区实测

开源4B视觉语言模型,定位为本地/开放权重的文档提取方案,社区关注其Markdown输出与对复杂版面的处理能力

提供本地可部署的文档提取方案,替代闭源OCR管线
支持表格、表单和复杂排版页面的文档提取
同时处理文本输入与视觉文档输入

来源

NuExtract3 released: open-weight 4B VLM for Markdown, OCR and ...NuExtract 3 Revolutionizes Document Extraction with VLM - LinkedIn

截至 2026-06-19

快速上手

vllm serve numind/NuExtract3 --trust-remote-code --limit-mm-per-prompt '{"image": 99, "video": 0}'

评分详情

Q1: 今天能接上用吗 5 / 5
Q2: 有可信证据吗 1 / 5
Q3: 是新东西吗 3 / 5
总分: 9

HuggingFace 原始数据 (抓取于 2026-05-21)

作者: numind
任务类型: image-to-text
推理库: transformers
下载: 1,720
点赞: 45
许可证: Apache-2.0
标签: transformers, safetensors, qwen3_5, image-text-to-text, vision-language, vlm, document-understanding, structured-extraction, information-extraction, ocr, document-to-markdown, markdown, rag, reasoning, multilingual, conversational, image-to-text, base_model:Qwen/Qwen3.5-4B, base_model:finetune:Qwen/Qwen3.5-4B, license:apache-2.0, endpoints_compatible, region:us

探索