Utilisation principale déclarée ou déduite avec prudence de la documentation officielle.
T
TENCENT / tencent/Youtu-Parsing-Omni
Youtu-Parsing-Omni
Modèle multimodal de Tencent de 5 milliards de paramètres, publié sur Hugging Face le 9 octobre 2026. Il analyse pages, images, graphiques, diagrammes, géométrie, audio et vidéo, et produit du texte structuré dans une enveloppe OmniSchema JSON. Il ne génère ni images, ni musique, ni vidéo. Un encoder partagé traite les modalités avant le décodeur ; la tâche demandée détermine le schéma et les éléments extraits.
01 / RÉSUMÉ
L'essentiel
Capacité d'entrée maximale une fois publiée par la source.
Limite de génération maximale documentée.
Canaux de disponibilité vérifiés.
Famille fonctionnelle principale et spécialités vérifiées.
Conditions déclarées pour l’API, les poids ou l’auto-hébergement.
02 / FICHE TECHNIQUE
Limites et intégration
| ID d’API | tencent/Youtu-Parsing-Omni |
|---|---|
| Type de modèle | Multimodal · OCR et documents · Voix et audio · Vidéo |
| Mode d’accès | Poids avec restrictions |
| Licence | Youtu-Parsing License · restriction territoriale UE |
| Déploiement | Hébergement propre avec vLLM et plugin |
| Lancement | 09 OCT. 2026 |
| Date limite des connaissances | Non publié |
| Entrée | Texte · Image · Audio · Vidéo |
| Sortie | Texte · JSON |
| Fenêtre contextuelle | 65 536 tokens dans l’exemple de service |
| puissance maximale | Non publié |
| Raisonnement | Non publié |
| Outils publiés | |
| Sorties structurées | OmniSchema JSON |
| Traitement par lots | Non publié |
| Cache de prompts | Non publié |
| Ajustement fin | Non publié |
| Plateformes vérifiées | Hugging Face · vLLM · Transformers |
OCR, tableaux, formules, ordre de lecture, géométrie, transcription et segmentation audiovisuelle horodatée. La sortie peut inclure Markdown, LaTeX, Mermaid, boîtes et descriptions. L’exemple de service configure 65 536 tokens et huit images, quatre vidéos et huit audios par prompt ; ce sont des réglages du serveur d’exemple, pas une garantie universelle du contexte maximal entraîné.
La licence Youtu-Parsing contient une limitation territoriale explicite : le modèle n’est pas destiné à un usage au sein de l’Union européenne. Nous ne le présentons ni comme Apache 2.0 ni comme dépourvu de restrictions. Cette fiche est informative : nous n’avons ni téléchargé ni exécuté les poids. Examinez licence, code distant, permissions des médias locaux et données personnelles avant tout déploiement autorisé.
03 / CAPACITÉS
Ce qu’il peut faire
Orientation
OCR, tableaux, formules, ordre de lecture, géométrie, transcription et segmentation audiovisuelle horodatée. La sortie peut inclure Markdown, LaTeX, Mermaid, boîtes et descriptions. L’exemple de service configure 65 536 tokens et huit images, quatre vidéos et huit audios par prompt ; ce sont des réglages du serveur d’exemple, pas une garantie universelle du contexte maximal entraîné.
Contexte
65 536 tokens dans l’exemple de service · Non publié
Outils et intégration
Non publié
Accès
Hugging Face · dépôt public
Modalités d’entrée
TexteImageAudioVidéo
04 / TARIFS
Coût documenté
| Concept | Valeur | Unité/état |
|---|---|---|
| Entrée standard | Aucun tarif API officiel publié | Tarif API standard |
| Entrée en cache | Non publié | Lecture de préfixes réutilisés |
| Écriture ou stockage de cache | Non publié | La condition varie selon le fournisseur |
| Sortie standard | Coût de l’infrastructure propre | Peut inclure des tokens de raisonnement |
| Entrée par lots | Non publié | Traitement asynchrone |
| Sortie par lots | Non publié | Traitement asynchrone |
Aucune API commerciale hébergée ni tarification publique par token n’a été vérifiée pour ce checkpoint. Les coûts numériques restent vides. L’hébergement propre exige GPU, dépendances et plugin vLLM du fournisseur ; la disponibilité publique des fichiers ne supprime ni coûts ni restrictions territoriales. Le code d’évaluation est annoncé comme à venir : nous ne promettons pas une reproduction complète du protocole.
i Les prix changent et peuvent dépendre du niveau, de la région ou de la durée du contexte. Vérifiez la source avant de prendre une décision.
05 / ÉVALUATIONS
Comment lire les résultats
“
Tencent annonce OmniDocBench v1.6 Overall 96,96 et une moyenne OmniParsingBench de 75,08. Des métriques ChemOCR et PDMX-Synth sont aussi publiées ; nous conservons noms et sens : une erreur plus faible est meilleure. Ce sont des résultats du fournisseur, pas des tests exécutés par Inferama. Un JSON valide ne garantit pas une extraction correcte : contrôlez lecture, coordonnées, temps, omissions et hallucinations humainement.
| Benchmark | Résultat | Métrique | Source |
|---|---|---|---|
| OmniDocBench v1.6 Overall | 96,96 | Score | Voir la source ↗ |
| OmniParsingBench Average | 75,08 | Score | Voir la source ↗ |
| ChemOCR Average Similarity | 74,6 | Similarité moyenne | Voir la source ↗ |
| ChemOCR Tani@1.0 | 54,2 | Tani@1.0 | Voir la source ↗ |
| PDMX-Synth CER | 22,73 | CER | Voir la source ↗ |
| PDMX-Synth SER | 26,73 | SER | Voir la source ↗ |
| PDMX-Synth LER | 33,20 | LER | Voir la source ↗ |
Inferama ne met en évidence un « meilleur résultat » que lorsque la métrique, l'ensemble de test, la configuration et la date permettent une comparaison équivalente. Les chiffres du fournisseur sont présentés comme des affirmations provenant de sa propre source.
06 / VERSIONS
Chronologie
Youtu-Parsing-Omni
Publication publique vérifiée du checkpoint 5B. La sortie est JSON, pas du contenu audiovisuel généré.
07 / SOURCES