腾讯混元POINTS-Reader：端到端文档转换模型革新企业信息处理

【免费下载链接】POINTS-Reader腾讯混元POINTS-Reader：端到端文档转换视觉语言模型，结构精简无需后处理。支持中英双语提取，OmniDocBench英文0.133、中文0.212高分。采用600M NaViT实现高吞吐量，已支持SGLang部署，vLLM支持即将推出。EMNLP 2025主会收录，开源两阶段数据增强策略，轻松实现文档图片转文本项目地址: https://ai.gitcode.com/tencent_hunyuan/POINTS-Reader

导语

腾讯混元实验室发布端到端文档转换视觉语言模型POINTS-Reader，以结构精简设计和中英双语处理能力，在OmniDocBench评测中创下英文0.133、中文0.212的优异成绩，重新定义智能文档处理效率标准。

行业现状：智能文档处理市场爆发式增长

根据Global Market Insights数据，2024年全球智能文档处理市场规模已达23亿美元，预计2025至2034年复合年增长率将达24.7%。另据Fortune Business Insights预测，该市场将从2025年的105.7亿美元增长至2032年的666.8亿美元，年增长率高达30.1%。这一爆发式增长源于企业数字化转型加速，尤其金融、医疗、物流等行业对非结构化文档自动化处理的需求激增。

文档处理技术正经历从传统OCR向智能文档处理（IDP）的转型。Parseur报告显示，全球IDP市场2024年规模为25.6亿美元，预计到2035年将增长至545.4亿美元，2025至2035年复合年增长率约32.06%。在此背景下，企业亟需兼顾高精度、高效率与低成本的文档处理解决方案。

产品亮点：精简架构与卓越性能的完美融合

极简设计实现端到端处理

POINTS-Reader采用极致精简的架构设计，完全遵循POINTS1.5结构，仅将语言模型替换为Qwen2.5-3B-Instruct，实现了输入输出的高度简化。模型直接以文档图片和固定提示作为输入，输出即为最终提取文本，无需任何后处理步骤，大幅降低了企业集成门槛。

领先的双语处理能力

该模型在权威评测集OmniDocBench上表现卓越，英文任务得分0.133，中文任务得分0.212，尤其在表格提取任务中展现优势，中英文TEDS指标分别达到83.7和85.0，超越PaddleOCR PP-StructureV3等主流解决方案，成为少数能同时高效处理中英文复杂文档的模型。

高吞吐量部署优势

POINTS-Reader选用600M参数的NaViT视觉模型，结合对SGLang部署框架的支持，实现了出色的处理吞吐量。目前已支持通过SGLang快速部署，vLLM支持即将推出，为企业提供灵活高效的推理方案。部署命令示例：

python3 -m sglang.launch_server \ --model-path tencent/POINTS-Reader \ --tp-size 1 \ --dp-size 1 \ --chat-template points-v15-chat \ --trust-remote-code \ --port 8081

创新的数据增强策略

模型采用两阶段数据增强策略：第一阶段利用自动化数据赋予基础文档提取能力，第二阶段通过持续自进化提升模型生成数据质量。这一方法已随论文开源，其自进化机制具有高度扩展性，可应用于各类模型优化场景。

行业影响：重塑企业文档处理流程

多行业应用价值凸显

POINTS-Reader的高效处理能力在多个行业展现出巨大潜力：

• 金融领域：自动提取发票、合同关键信息，每张发票处理成本可降低80%（Yooz Research数据）
• 物流行业：解析提单、运单数据，支持供应链实时可视化
• 人力资源：快速处理入职文档，提升新员工留存率达50%（Acciyo研究）
• 保险行业：加速理赔表单处理，非人伤理赔自动化率可达50%

技术趋势引领者

该模型的成功印证了"精简架构+专注优化"的技术路线在文档处理领域的可行性。其无需蒸馏的适应方法（Distillation-Free Adaptation）为视觉语言模型的行业适配提供了新思路，尤其在企业级部署中展现出兼顾性能与效率的优势。

结论与前瞻

POINTS-Reader凭借其结构精简、性能卓越、部署高效的特点，为企业文档自动化处理提供了新选择。随着vLLM支持的即将上线和模型性能的持续优化，该模型有望在金融、物流、医疗等数据密集型行业获得广泛应用。

对于企业而言，现在正是评估和引入智能文档处理解决方案的最佳时机。建议关注以下实施路径：

1. 优先处理高重复率文档类型（如发票、表单）
2. 从部门级试点开始，逐步扩展至企业级应用
3. 结合SGLang等高效部署框架，平衡性能与成本

随着EMNLP 2025主会的即将召开（论文已被接收），POINTS-Reader的技术细节将得到更全面的展示。腾讯混元团队也计划持续优化模型能力，未来可能在多语言支持、复杂公式识别等方向取得进一步突破。

企业可通过访问项目仓库（https://gitcode.com/tencent_hunyuan/POINTS-Reader）获取完整代码和部署指南，开启智能文档处理的高效之旅。

【免费下载链接】POINTS-Reader腾讯混元POINTS-Reader：端到端文档转换视觉语言模型，结构精简无需后处理。支持中英双语提取，OmniDocBench英文0.133、中文0.212高分。采用600M NaViT实现高吞吐量，已支持SGLang部署，vLLM支持即将推出。EMNLP 2025主会收录，开源两阶段数据增强策略，轻松实现文档图片转文本项目地址: https://ai.gitcode.com/tencent_hunyuan/POINTS-Reader