NVIDIA Nemotron Parse 1.1

NVIDIA Nemotron Parse 1.1

November 25, 2025

Авторы: Kateryna Chumachenko, Amala Sanjay Deshmukh, Jarno Seppanen, Ilia Karmanov, Chia-Chih Chen, Lukas Voegtle, Philipp Fischer, Marek Wawrzos, Saeid Motiian, Roman Ageev, Kedi Wu, Alexandre Milesi, Maryam Moosaei, Krzysztof Pawelec, Padmavathy Subramanian, Mehrzad Samadi, Xin Yu, Celina Dear, Sarah Stoddard, Jenna Diamond, Jesse Oliver, Leanna Chraghchian, Patrick Skelly, Tom Balough, Yao Xu, Jane Polak Scowcroft, Daniel Korzekwa, Darragh Hanley, Sandip Bhaskar, Timo Roman, Karan Sapra, Andrew Tao, Bryan Catanzaro

cs.AI

Аннотация

Мы представляем Nemotron-Parse-1.1 — облегченную модель для парсинга документов и оптического распознавания символов (OCR), которая расширяет возможности своей предшественницы, Nemoretriever-Parse-1.0. Nemotron-Parse-1.1 демонстрирует улучшенные способности в области общего OCR, форматирования Markdown, парсинга структурированных таблиц и извлечения текста из изображений, графиков и диаграмм. Модель также поддерживает увеличенную длину выходной последовательности для визуально насыщенных документов. Как и её предшественница, она извлекает ограничивающие рамки текстовых сегментов, а также соответствующие им семантические классы. Nemotron-Parse-1.1 построена по архитектуре «кодировщик-декодировщик» и содержит 885 миллионов параметров, включая компактный языковой декодировщик на 256 миллионов параметров. Модель демонстрирует конкурентоспособную точность на публичных бенчмарках, что делает её мощным облегченным решением для OCR. Мы публикуем веса модели в открытом доступе на Huggingface, а также оптимизированный контейнер NIM и часть обучающих данных в составе более крупного набора данных Nemotron-VLM-v2. Дополнительно мы выпускаем версию Nemotron-Parse-1.1-TC, которая работает с уменьшенной длиной визуальных токенов, что обеспечивает 20%-ное ускорение работы при минимальной потере качества.

English

We introduce Nemotron-Parse-1.1, a lightweight document parsing and OCR model that advances the capabilities of its predecessor, Nemoretriever-Parse-1.0. Nemotron-Parse-1.1 delivers improved capabilities across general OCR, markdown formatting, structured table parsing, and text extraction from pictures, charts, and diagrams. It also supports a longer output sequence length for visually dense documents. As with its predecessor, it extracts bounding boxes of text segments, as well as corresponding semantic classes. Nemotron-Parse-1.1 follows an encoder-decoder architecture with 885M parameters, including a compact 256M-parameter language decoder. It achieves competitive accuracy on public benchmarks making it a strong lightweight OCR solution. We release the model weights publicly on Huggingface, as well as an optimized NIM container, along with a subset of the training data as part of the broader Nemotron-VLM-v2 dataset. Additionally, we release Nemotron-Parse-1.1-TC which operates on a reduced vision token length, offering a 20% speed improvement with minimal quality degradation.