视觉大模型OCR全面评测

CC-OCR评测集因其场景丰富性和多语言文档分析能力而备受关注，涵盖了关键信息抽取、多种场景（如照片、门头、标识）识别，甚至包括数学公式和化学方程式的结构化输入输出。评测结果显示，在中文方面GOT及OT模型表现较好，但在其他语言上略显不足；开源的internal V2 76B模型在多场景识别中表现出色。对于文档识别，微软开源的Kosmos小模型在英语方面精准度高。总体而言，大模型在多语言处理上更具优势。