腾讯发布将文档、图像、音频、视频解析为统一JSON的5B模型“Youtu-Parsing-Omni”（社区消息）

已核实（事实）

据Reddit上分享的Hugging Face模型卡，腾讯发布了5B规模的全模态解析模型“Youtu-Parsing-Omni”。它可接收文档页面、自然图像、图表与流程图、几何图形、音频片段和视频作为输入，输出为统一的结构化JSON。输出同时包含版面、文本、表格、公式、边界框、时间戳、ASR、OCR、声学事件、镜头运动等识别结果，以及字幕、叙述、报告等理解结果。通过任务提示词选择输出哪些结果。

意义（解读）

可用一个小模型整合原本分开的文档OCR、ASR和视频分析流水线，从而降低检索增强生成（RAG）和数据预处理成本。

来源

• 社区 tencent/Youtu-Parsing-Omni · Hugging Face Reddit

更多关于 Tencent

• 2026-10-11 P2 研究 论文 安全与对齐语言模型 SemiAnalysisAlibabaByteDanceTencentDeepSeekMoonshot AIZhipu AI
  SemiAnalysis：中国AI模型中公开安全评估结果的比例为3.6%，发布前公开的仅1.1%（报道）

  据AI Times报道，AI分析公司SemiAnalysis于9日（当地时间）发布了对中国AI开发商模型安全评估公开情况的分析。分析对象为阿里巴巴、字节跳动、腾讯、百度、DeepSeek、月之暗面（Moonshot...

• 2026-10-07 P1 其他 待确认 语言模型 DeepSeekCATLTencent
  报道称 DeepSeek 考虑将 IPO 前融资规模从 74 亿美元扩大至最高 150 亿美元

  据 AI Times 援引路透社和 CNBC 的报道，DeepSeek 正在上市前进行的融资轮中讨论募集 120 亿至 150 亿美元，高于最初 74 亿美元的目标。宁德时代（CATL）和腾讯作为最大投资方参与，吉利汽车和投资管理公司 Monolith 等也被提及。