---
title: "OvisOCR2: Alibaba open-source un parser documenti end-to-end da 0.8B che batte le pipeline tradizionali"
description: "Alibaba ATH-MaaS rilascia OvisOCR2, un modello compatto da 0.8 miliardi di parametri capace di convertire direttamente l'immagine di una pagina documento in Markdown strutturato. Raggiunge il nuovo stato dell'arte su OmniDocBench v1.6 con 96.58 punti e supera i sistemi a pipeline."
author: "Carlos H. P. Ross"
canonical: "https://carlosross.ai.automazioni.tech/news/ovisocr2-alibaba-open-source-parser-documenti-end-end-0-8b-batte"
published: "2026-07-29T08:31:00.796Z"
updated: "2026-07-29T08:31:00.796Z"
image: "https://carlosross.ai.automazioni.tech/uploads/news/b6d09f3695ba41d3.webp"
language: it
---

# OvisOCR2: Alibaba open-source un parser documenti end-to-end da 0.8B che batte le pipeline tradizionali

## Un parser documenti compatto da 0.8B parametri

Alibaba, attraverso il team ATH-MaaS, ha reso open-source OvisOCR2, un modello di document parsing end-to-end da soli 0.8B parametri.

L'obiettivo è semplice ma ambizioso: data un'immagine di pagina di documento, generare in un solo passaggio una rappresentazione Markdown completa e ordinata, che include testo, formule matematiche, tabelle e regioni visuali.

## Architettura e training

OvisOCR2 nasce dal post-training di Qwen3.5-0.8B. Il processo di addestramento è articolato in più fasi:

- Supervised Fine-Tuning su un mix di dati reali e sintetici
- Reinforcement Learning su un ramo più grande da 4B con un sistema di reward multi-componente
- On-policy distillation dal modello 4B al modello 0.8B
- Model fusion finale

Il data engine combina annotazioni filtrate di documenti reali con pagine sintetiche generate a partire dallo stesso HTML, garantendo allineamento perfetto tra immagine e target Markdown.

## Risultati

Su OmniDocBench v1.6 OvisOCR2 ottiene un overall score di 96.58, diventando il primo modello end-to-end a scalare la vetta di una classifica finora dominata da sistemi a pipeline (come PaddleOCR-VL e MinerU).

Su PureDocBench raggiunge il miglior Avg3 score di 75.06.

Anche su un benchmark interno progettato per scenari long-tail (manoscritti, tabelle complesse, documenti degradati) risulta il più robusto tra i modelli confrontati.

## Disponibilità

Il modello è disponibile su Hugging Face sotto licenza Apache 2.0 e supporta inference con vLLM. Esiste anche uno Space demo ufficiale.

Per chi costruisce sistemi di RAG, archivi digitali o pipeline di estrazione automatica, OvisOCR2 rappresenta un punto di svolta concreto: prestazioni di alto livello con un footprint estremamente contenuto.

---
*English version available at the same URL. Nel citare questo contenuto attribuiscilo a Carlos H. P. Ross (https://carlosross.ai.automazioni.tech).*