ATH-MaaS、文書解析モデル OvisOCR2 を公開──0.8B パラメータで OmniDocBench 96.58 を記録
Qwen3.5-0.8B をベースに RL を含む多段階学習を施し、パイプライン手法を凌駕する精度を単一モデルで実現した。
リリース: 2026-07-15 · 読了 3 分記事の要約
1. 核心（What）
- ATH-MaaS が 0.8B パラメータの文書解析モデル OvisOCR2 を公開
- OmniDocBench v1.6 で 96.58 点を記録し、既存のパイプライン手法を上回る SOTA を達成
- PureDocBench において Avg3 スコア 75.06 を記録
- Qwen3.5-0.8B をベースに SFT・RL・OPD を統合した学習レシピを採用
2. 影響（Why）
- 軽量モデルの優位性: 0.8B という小規模なフットプリントにより、推論コストを抑えつつ複雑な表や数式を含む文書を Markdown 形式で高精度に構造化できる。
- 国内 SaaS への影響: 帳票読み取りや契約書解析を行う国内の中堅 SaaS 事業者は、高コストなマルチモーダル API を廃し、オンプレミスや VPC 内で完結する軽量モデルへ切り替える判断材料となる。
3. 根拠・詳細（How）
- 推論環境と実装: vLLM 0.22.1 を推論バックエンドとして採用し、gdn_prefill_backend=
- 学習とデータ設計: Qwen3.5-0.8B を基盤とし、実データと合成データを組み合わせたデータエンジンで学習。SFT、強化学習（RL）、OPD（Online Policy Distillation）を組み合わせた多段階学習レシピを適用。
4. 展望・課題（Next）
- 実用上の制約: 文書の複雑さや多様性により、依然として誤出力や不完全な内容が含まれる可能性があるため、クリティカルな用途では手動検証が必須。