Chandra OCR 2 把扫描件识别与结构化并成一步

github.com/datalab-to/cha… 扫描件进，结构化 Markdown 出，Chandra OCR 2 把这两步并成了一步。 它是视觉语言模型路线的 OCR。图片和 PDF 喂进去，吐出的是带布局信息的 Markdown、HTML 和 JSON，语言覆盖九十多种。四条亮点照录：手写内容、复杂表格和数学公式都能处理；公开基准里整体表现高过 olmOCR、dots.ocr 和 DeepSeek OCR 这些方案；单张 H100 大约每秒一点四四页；代码用 Apache 2.0 开源，权重是修改版 OpenRAIL-M。 扫完即结构化这半句我看重。前面 PDF 啃手腕那类工具大多还停在"识别出文字"，这里连布局一起交出来，表格不塌、公式不散，才谈得上直接喂给后面的 agent 用。这也接上前面参考图那篇的输入一脉，能直接读的结构比纯文本省一道转换。 每秒一点四四页这个数也给了算力账的参照。批量处理的场景先把页数除一下，一张卡一天能吞多少心里有底，跟前面成本往下掉那几篇是一条线。 我留的疑问在基准细节。整体表现高过谁写得清楚，但基准的题型构成、加权方式没给，跨方案比对时得看原始榜单。 手上有一摞扫描件的，先拿最刁的一页试试，公式和跨页表格不过关，别的都白搭。