OCRia-1：4B 模型在复杂表格解析上拿到 92.9，评论区问的却是这些问题

PDF 里最难的往往不是文字，是表格。嵌套表头、合并单元格、没有边框、一页塞满几十列，大多数解析模型在这些场景下会悄悄错位，而且不报错。下游拿到的数据是错的。LlamaIndex 今天发布的 OCRia-1，目标就是这些表格。

OCRia-1 是一个 4B 参数的视觉语言模型，官方称在准确率、成本、延迟三个维度都达到 SOTA。它已经上线 LlamaParse，全部解析模式都由它驱动，价格不变。

Jerry Liu 在 X 上贴出的分数：ParseBench 整体 87.4，领先第二名 12.1 分；表格单项 91.5。ParseBench 是业内常用的文档解析测试集，主要衡量文本、表格、图表、格式的还原度。第三方评测中，olmOCR-bench 整体 83.5，表格 92.9；PulseBench-Tab 84.1；fr-bench-pdf2md 长表 83.2。三个都排在对比模型前面。对比模型包括 LightOnOCR-3、Chandra-OCR 2、Mistral OCR 4.1，以及更大的 7B 模型。

表格之外，它还处理图表和排版。官方说它能将无标签的图表转成 HTML 表格，保留数值与标签的对应关系；上标、下标、删除线、复选框都能保留，数学公式输出为 LaTeX。ParseBench 图表单项 85.1，比第二名高 19 分；格式单项 83.4，高 15.5 分。

训练数据包括 10 万+ 文档页面，有人工标注和生成式标注，再用 SFT + RLVR 做后训练。官方没有公开更多细节。

评论区里，开发者问得最多的是：合并单元格在输出里保持原样还是被拍平；跨页表格会不会断；能不能拿到 cell 坐标。一个做检索的开发者说，一个合并单元格读错会悄悄污染整个检索结果。准确率再高一个点，不如每个 cell 给一个置信度分数。另一个开发者提到，报告说权重版本在计划中，线上版本混用了 NVFP4 和 FP8，NVFP4 原生只跑在 Blackwell 上，RTX 40 和 Mac 用户可能要等 BF16 或 GGUF。这些问题官方还没回应。

官方放了一段视频，展示 OCRia-1 预测表格单元格时的注意力图变化，播放速度有放慢。下方两张图来自 LlamaIndex 博客，是模型处理过的真实表格：现金流表、工资税预扣表。这类表格就是嵌套表头、合并单元格、无边框的典型样本。

更多细节在 LlamaIndex 博客。