MonkeyOCR 是一款基于大型語言模型（LLM）的輕量級文檔解析模型，專注于結構化文檔解析任務。其核心創新在于采用“結構-識別-關系”（SRR）三元組范式，將非結構化文檔中的文本、表格、公式等內容精準轉換為機器可讀的結構化數據。該模型在英文文檔解析任務中超越了Gemini 2.5 Pro和Qwen2.5-VL-72B等頂級模型，展現出卓越的性能。

MonkeyOCR項目官網入口網址：https://github.com/Yuliang-Liu/MonkeyOCR

MonkeyOCR 的模型參數量僅為3B，具有輕量級架構，支持中英文文檔解析，適配10+文檔類型，包括學術論文、發票、報表等復雜文檔類型。其處理速度達到每秒0.84頁，顯著優于其他同類工具（如MinerU和Qwen2.5-VL-7B）。該模型支持多語言支持、復雜文檔處理、表格與結構化數據提取等功能，適用于金融、教育、醫療等領域的文檔自動化處理。

MonkeyOCR 的部署方式靈活，支持本地和云端部署，可在單個NVIDIA 3090 GPU上高效運行，滿足不同規模應用需求。其開源資源豐富，包括GitHub倉庫、在線Demo和論文，便于開發者和研究人員使用。

MonkeyOCR 采用結構-識別-關系（SRR）三元組范式，將文檔解析過程分為結構檢測、內容識別和關系預測三個階段，有效提升復雜文檔處理的效率和準確性。該模型在公式識別、表格還原等難點任務上表現突出，性能提升顯著。

MonkeyOCR 是當前文檔智能領域最具實用價值的技術方案之一，為文檔數字化和自動化處理提供了強大的支持。