Chandra OCR 2发布：OCR领域的性能飞跃与商业新机遇

【导语：2026年3月发布的Chandra OCR 2是一款前沿OCR模型，能将图像和PDF转换为结构化格式并保留布局信息。它在多方面有显著提升，性能卓越，支持多语言，为文档处理带来新变革。】

Chandra OCR 2：功能特性大揭秘

Chandra OCR 2具有众多出色的功能特性。它性能卓越，在外部olmocr基准测试和内部多语言基准测试中表现亮眼。能将文档转换为带有详细布局信息的Markdown、HTML或JSON格式，支持90多种语言，具备优秀的手写文字识别能力，还能准确重建表单，包括复选框。在处理表格、数学公式和复杂布局时表现良好，可提取图像和图表，并添加标题和结构化数据。此外，它提供本地（HuggingFace）和远程（vLLM服务器）两种推理模式，还提供托管API，用户可通过免费在线测试平台试用。

基准测试：Chandra 2优势凸显

Chandra 2着重提升了多语言性能。由于缺乏优质公开多语言OCR基准测试，研发团队自行创建测试，涵盖表格、数学公式等多方面。从基准测试表格来看，Chandra 2在多个项目上表现出色。例如在ArXiv项目中得分为90.2，旧扫描件为89.3，数学为89.9等，总体得分85.9 ± 0.8，优于众多竞品，如dots.ocr 1.5总体得分83.9，olmOCR 2总体得分82.4等。

在多语言基准测试中，涵盖43种常见语言，Chandra 2在部分语言上表现突出。如在德语（de）测试中得分为94.8%，高于Chandra 1的83.0%和Gemini 2.5 Flash的88.3%；在丹麦语（da）测试中得分为91.1%，也高于其他部分模型。

安装与使用：便捷多样的选择

Chandra OCR 2提供多种安装方式。包安装方面，有基础安装（适用于vLLM后端）、使用HuggingFace后端（包含torch、transformers）以及安装所有扩展等方式。若使用HuggingFace方法，建议安装flash attention以提升性能。也可从源代码安装，通过git克隆仓库并进行相关操作。

使用方法上，提供CLI工具，可处理单个文件或整个目录，有多种CLI选项供用户灵活配置，如推理方法、页码范围、最大令牌数等。还提供Streamlit网页应用，可启动交互式演示处理单页文档。对于生产部署或批量处理，可使用vLLM服务器，通过环境变量进行配置。

商业使用：许可与发展前景

此代码遵循Apache 2.0许可，模型权重使用修改后的OpenRAIL - M许可，适用于研究、个人使用和资金/收入低于200万美元的初创公司，不得与官方API进行竞争使用。若要移除OpenRAIL许可限制或获取更广泛的商业许可，可访问定价页面。Chandra OCR 2凭借其卓越的性能和丰富的功能，有望在商业领域获得广泛应用，为文档处理相关产业带来新的发展机遇。

编辑观点：Chandra OCR 2在OCR领域展现出强大实力，性能提升显著，功能丰富多样。其多语言支持和复杂内容处理能力使其具有广泛的应用前景，有望在文档处理市场占据重要地位，推动行业发展。