# 字节跳动重磅开源Dolphin文档解析大模型：322M参数性能超越GPT-4.1，重塑企业文档处理效率

- Link: https://paooo.com/aigc-news/17175/
- Published: 2026-06-30T18:42:22+08:00
- Author: Prompt 语宙研究院

⚡ [Prompt](https://paooo.com/ai-image-prompts/) 语宙 AI 导读 · 30 秒核心看点

 * 322M轻量参数配合两阶段架构，先识别布局再并行解析内容，文档理解效率显著提升。
 * 支持文本、表格、公式等复杂元素，输出JSON、Markdown、HTML，便于系统集成与二次处理。
 * 在多种文档解析任务上表现优于GPT-4.1、Mistral-OCR，适合企业办公与私有化部署。

> **💡 站外导读：**在数字化办公浪潮中，企业每天面对海量文档的处理压力——合同、报告、
> 学术论文混杂着表格、公式和图表，传统OCR工具难以精准解析复杂版式，而GPT-4等通用
> 大模型则存在成本高、速度慢的痛点。行业迫切需要一款既能精准理解文档结构，又足够
> 轻量高效的专用模型。字节跳动开源的Dolphin应运而生，以322M的极小参数量和两阶段解析
> 架构，直击文档智能处理的核心需求，为企业降本增效提供了全新技术路径。

## Dolphin是什么

Dolphin 是字节跳动开源的轻量级、高效的文档解析[大模型](https://paooo.com/ai-study/)。
基于先解析结构后解析内容的两阶段方法，第一阶段生成文档布局元素序列，第二阶段用元素
作为锚点并行解析内容。Dolphin在多种文档解析任务上表现出色，性能超越[GPT-4.1](https://ai-bot.cn/openai-gpt-4-1/)、
[Mistral-OCR](https://ai-bot.cn/mistral-ocr/)等模型。Dolphin 具有322M参数，体积小、
速度快，支持多种文档元素解析，包括文本、表格、公式等。Dolphin的代码和预训练模型已
公开，方便开发者使用和研究。

阅读目录

 * [Dolphin是什么](https://paooo.com/aigc-news/17175/#dolphin%e6%98%af%e4%bb%80%e4%b9%88)
 * [Dolphin的主要功能](https://paooo.com/aigc-news/17175/#dolphin%e7%9a%84%e4%b8%bb%e8%a6%81%e5%8a%9f%e8%83%bd)
 * [Dolphin的技术原理](https://paooo.com/aigc-news/17175/#dolphin%e7%9a%84%e6%8a%80%e6%9c%af%e5%8e%9f%e7%90%86)
 * [Dolphin的项目地址](https://paooo.com/aigc-news/17175/#dolphin%e7%9a%84%e9%a1%b9%e7%9b%ae%e5%9c%b0%e5%9d%80)
 * [Dolphin的应用场景](https://paooo.com/aigc-news/17175/#dolphin%e7%9a%84%e5%ba%94%e7%94%a8%e5%9c%ba%e6%99%af)
       * [📝 站长洞察 (Editor’s Insight)](https://paooo.com/aigc-news/17175/#%f0%9f%93%9d-%e7%ab%99%e9%95%bf%e6%b4%9e%e5%af%9f-editor8217s-insight)

![Dolphin ](https://paooo.com/wp-content/uploads/2026/05/Dolphin-website-2-1.avif)

## Dolphin的主要功能

 * **布局分析**：识别文档中的各种元素（如标题、图表、表格、脚注等），按照自然阅读
   顺序生成元素序列。
 * **内容提取**：将整个文档页面解析为结构化的JSON格式或Markdown格式，便于后续处理
   和展示。
 * **文本段落解析**：准确识别和提取文档中的文本内容，支持多语言（如中文和英文）。
 * **公式识别**：支持复杂公式的识别，包括行内公式和块级公式，输出LaTeX格式。
 * **表格解析**：支持解析复杂的表格结构，提取单元格内容并生成HTML格式的表格。
 * **轻量级架构**：模型参数量为322M，体积小，运行速度快，适合在资源受限的环境中使用。
 * **支持多种输入格式**：支持处理多种类型的文档图像，包括学术论文、商业报告、技术
   文档等。
 * **多样化的输出格式**：支持将解析结果输出为JSON、Markdown、HTML等多种格式，便于
   与不同系统集成。

## Dolphin的技术原理

 * **页面级布局分析**：用Swin Transformer对输入的文档图像进行编码，提取视觉特征。
   基于解码器生成文档元素序列，每个元素包含其类别（如标题、表格、图表等）和坐标位置。
   这一阶段的目标是按照自然阅读顺序生成结构化的布局信息。
 * **元素级内容解析**：根据第一阶段生成的布局信息，从原始图像中裁剪出每个元素的局部
   视图。用特定的提示词（prompts），对每个元素进行并行内容解析。例如，表格用专门
   的提示词解析HTML格式，公式和文本段落共享提示词解析LaTeX格式。解码器根据裁剪后
   的元素图像和提示词，生成最终的解析内容。

## Dolphin的项目地址

 * **GitHub仓库**：[https://github.com/bytedance/Dolphin](https://github.com/bytedance/Dolphin)
 * **HuggingFace模型库**：[https://huggingface.co/ByteDance/Dolphin](https://huggingface.co/ByteDance/Dolphin)
 * **arXiv技术论文**：[https://arxiv.org/pdf/2505.14059](https://arxiv.org/pdf/2505.14059)
 * **在线体验Demo**：[https://115.190.42.15:8888/dolphin/](https://115.190.42.15:8888/dolphin/)

## Dolphin的应用场景

 * **学术研究**：解析论文中的文本、公式和图表，助力文献整理和数据分析。
 * **商业办公**：提取商业文档的关键信息，便于合同审查和报告生成。
 * **教育领域**：将教材和试卷数字化，支持在线学习和多语言教学。
 * **技术开发**：解析技术文档，方便代码管理和技术交流。
 * **日常应用**：快速处理日常文档，提高办公效率。

#### 📝 站长洞察 (Editor’s Insight)

Dolphin的发布标志着文档AI进入’专用小模型’时代。当行业仍在追逐千亿参数大模型时，字
节跳动用322M参数证明了在垂直场景中，精巧的架构设计比暴力堆参数更重要。其两阶段方法——
先布局识别再内容解析——模拟了人类阅读文档的认知过程，这种’先见森林再见树木’的范式
值得整个[AIGC](https://paooo.com/aigc-news/)领域借鉴。从产业视角看，文档解析是企业
数字化的’最后一公里’，Dolphin的轻量化特性使其能嵌入边缘设备和私有化部署场景，这恰恰
是金融、政务等敏感行业的刚需。值得关注的是，开源策略将加速生态构建，未来围绕Dolphin
可能衍生出文档智能中台、合规审查工具等商业变现场景。字节此举不仅是技术输出，更是
以开源生态抢占企业服务入口的战略卡位。

🧭 文中关联 [AI 工具](https://ai.paooo.com/)官网与参数卡（语宙 AI 导航）

**HuggingFace ↗**

HuggingFace：AI模型开发社区，面向大语言模型场景提供便捷实用的在线功能支持，涵盖大
模型等实用方向。

❓ 常见问题解答（FAQ）

Dolphin文档解析大模型适合哪些场景？

Dolphin适合学术论文、商业合同、技术文档、教材试卷等复杂版式文档处理。它能提取文本、
表格、公式和图表信息，适用于文档数字化、信息抽取、审查整理和办公自动化。

Dolphin为什么比通用大模型更适合文档解析？

它采用先布局识别、后内容解析的专用流程，更贴近文档阅读逻辑，能更准确处理复杂版式。
相比通用大模型，Dolphin参数更小、速度更快、成本更低，适合高频文档任务。

Dolphin支持输出哪些格式？

Dolphin可将解析结果输出为JSON、Markdown、HTML等格式。其中表格可生成HTML，公式可输出
LaTeX，便于接入知识库、内容管理系统或后续自动化处理流程。

🔬 语宙深潜追问 · 进阶实操拆解

两阶段文档解析具体怎么提效？

第一阶段先做版面、表格、段落和图文区域切分，第二阶段再针对不同区域做语义抽取与结构
化输出。这样能把“看懂页面”和“理解内容”分开处理，既提升准确率，也方便在企业流程里
做模块化替换。

企业私有化部署最该关注什么？

优先看吞吐、延迟、权限隔离和可审计性，而不是只看单次精度。文档场景往往要批量处理
合同、报表和论文，必须支持本地部署、日志留存和字段级脱敏，才能真正进入生产流程。

🗳️ 读者观点微投票 · 您的实战立场是？

322M文档模型，能替代通用大模型吗？

🕸️ 语宙向量知识图谱 · 语义强关联深度内链

 * [PaddleOCR-VL重磅开源：0.9B参数登顶全球第一，多模态文档解析模型全面超越GPT-4o](https://paooo.com/aigc-news/13283/)
 * [PaddleOCR-VL-1.6 – 百度推出的文档解析视觉语言模型](https://paooo.com/aigc-news/18598/)
 * [SmolDocling – 轻量级的多模态文档处理模型](https://paooo.com/aigc-news/20949/)
 * [PP-DocBee – 百度飞桨推出的文档图像理解多模态大模型](https://paooo.com/aigc-news/21068/)

[🏛️ Prompt 语宙研究院](https://paooo.com/author/paooo-research/) · Prompt 语宙研究院（
paooo.com Research）专注于前沿多模态大模型架构拆解、AI Agent 工作流评测、AIGC 提示
词工程（Prompt Engineering）与全球高增长 AI 生产力工具实测追踪，致力于为中文开发
者与创作者提供一手、可复现的深度技术洞察。

[📄 Markdown 纯净版](https://paooo.com/aigc-news/17175/?format=md)

💡 这篇内容对您有启发吗？

[📡 RSS 订阅](https://paooo.com/feed/)[✨ 提交 AI 工具 / 合作](https://paooo.com/submit-tool/)

**🚀 Prompt 语宙 AI 创作者生态：**探索 2,800+ 全球实用 AI 工具与高精度生图提示词
咒语库

[🧭 语宙 AI 导航 (ai.paooo.com)](https://ai.paooo.com/)[🎨 AI 生图 Prompt 库](https://paooo.com/ai-image-prompts/)
[📚 核心专题导航](https://paooo.com/topics/)[⚡ AIGC 早报生成器](https://paooo.com/mtool/)
