Qwen2.5-VL-32B: 更聪明、更轻量!
年前，阿里通义千问团队推出了 Qwen2.5-VL 系列模型，获得了社区的广泛关注和积极反馈。在 Qwen2.5-VL 系列的基础上，研究团队使用强化学习持续优化模型，并使用 Apache 2.0 协议开源 32B 这个备受喜爱的参数规模的新 VL 模型—— Qwen2.5-VL-32B-Instruct。相比此前发布的 Qwen2.5-VL 系列模型，本次推出的 32B 模型的特点如下：
OCR文字识别技术总结（一）
OCR （Optical Character Recognition，光学字符识别）是指电子设备（例如扫描仪或数码相机）检查纸上打印的字符，经过检测暗、亮的模式肯定其形状，而后用字符识别方法将形状翻译成计算机文字的过程；即，针对印刷体字符，采用光学的方式将纸质文档中的文字转换成为黑白点阵的图像文件，并经过识别软件将图像中的文字转换成文本格式，供文字处理软件进一步编辑加工的技术。如何除错或利用辅助信息提升识别正确率，是OCR最重要的课题，ICR（Intelligent Character Recognition）的名词也随之产生。
AI新宠DocExt：纯本地文档抽取，开源免费还无依赖！你还在为OCR头疼吗？
DocExt 是一款开源、免费的本地文档结构化提取工具，无需依赖 OCR 或云端服务，通过视觉语言模型（VLM）实现票据、护照、发票等多类型文档的关键字段与表格识别。支持多页文档处理、置信度量化及本地部署，提供直观的 Gradio Web 界面和灵活的 API 调用方式，适配高隐私场景如金融、医疗等领域。项目参与 IDP Leaderboard 评测，具备零模板限制和多模型支持等优势，是处理敏感文件的理想选择。
一文看懂什么是Token？阿里云怎么领免费Tokens、怎么用、能省多少钱？
阿里云百炼新用户开通即赠超7000万免费Tokens（每模型各100万，含输入/输出），开通百炼：https://t.aliyun.com/U/fPVHqY 有效期90天；支持Qwen-Max/Plus/Turbo等全系模型。另有万亿Tokens企业扶持、4.5折节省计划及Coding Plan订阅优惠。
RAG 只做文本已经不够了：多模态问答的工程化落地指南
本文深入探讨多模态RAG的工程落地挑战与实践方案，揭示为何仅处理文本已无法满足企业真实需求。从图像、表格等多模态数据的解析、语义对齐、检索融合到生成控制，系统梳理三层架构与四大关键步骤，助力构建真正可用的多模态问答系统。
四款国产VLM OCR模型横评
春节前，DeepSeek、智谱、百度、腾讯四大团队密集开源新一代OCR小模型，全面采用视觉语言模型（VLM）架构，摒弃传统流水线，迈向“语义结构化”新纪元。DeepSeek-OCR2首创“视觉因果流”，GLM-OCR以0.9B参数登顶OmniDocBench榜首，PaddleOCR-VL-1.5攻克真实退化场景，Youtu-Parsing实现22倍推理加速——国产OCR正以架构创新实现垂直领域“换道超车”。
