# SmolDocling – 轻量级的多模态文档处理模型

- Link: https://paooo.com/aigc-news/20949/
- Published: 2026-06-08T16:17:26+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

 * 256M 轻量参数实现文档图像端到端结构化转换，兼顾 OCR、布局与复杂元素识别。
 * A100 上单页仅 0.35 秒、显存不到 500MB，适合高效批量文档处理。
 * 与 Docling 兼容，可输出 Markdown、HTML 等格式，并支持公式转 LaTeX、图表转表格。

## SmolDocling是什么

SmolDocling（SmolDocling-256M-preview ）是高效轻量级的多模态文档处理模型。能将文
档图像端到端地转换为结构化文本，支持文本、公式、图表等多种元素识别，适用于学术论文、
技术报告等多类型文档。模型参数量仅 256M，推理速度快，A100 GPU 上每页处理仅需 0.35
秒，与 Docling 完全兼容，可导出多种格式。

阅读目录

 * [SmolDocling是什么](https://paooo.com/aigc-news/20949/#smoldocling%e6%98%af%e4%bb%80%e4%b9%88)
 * [SmolDocling的主要功能](https://paooo.com/aigc-news/20949/#smoldocling%e7%9a%84%e4%b8%bb%e8%a6%81%e5%8a%9f%e8%83%bd)
 * [SmolDocling的技术原理](https://paooo.com/aigc-news/20949/#smoldocling%e7%9a%84%e6%8a%80%e6%9c%af%e5%8e%9f%e7%90%86)
 * [SmolDocling的项目地址](https://paooo.com/aigc-news/20949/#smoldocling%e7%9a%84%e9%a1%b9%e7%9b%ae%e5%9c%b0%e5%9d%80)
 * [SmolDocling的应用场景](https://paooo.com/aigc-news/20949/#smoldocling%e7%9a%84%e5%ba%94%e7%94%a8%e5%9c%ba%e6%99%af)

![SmolDocling](https://paooo.com/wp-content/uploads/2026/06/SmolDocling-website-
1.avif)

## SmolDocling的主要功能

 * **多模态文档转换**：能将图像文档高效转换为结构化文本，支持科学和非科学文档。
 * **快速推理**：在 A100 GPU 上处理一页文档仅需 0.35 秒，使用不到 500MB 的显存。
 * **OCR 与布局识别**：支持光学字符识别（OCR），保留文档结构和元素的边界框。
 * **复杂元素识别**：能识别代码块、数学公式、图表、表格等复杂文档元素。
 * **与 Docling 无缝集成**：支持将结果转换为多种格式（如 Markdown、HTML 等），兼容
   Docling。
 * **指令支持**：支持多种指令，如将页面转换为 Docling 格式、将图表转换为表格、将
   公式转换为 LaTeX 等。

## SmolDocling的技术原理

 * **轻量级设计**：SmolDocling-256M-preview 是仅包含 256M 参数的视觉语言模型，专
   为文档光学字符识别（OCR）和转换而设计。能在消费级 GPU 上快速处理文档，使用不到
   500MB 的显存，每页文档的处理时间仅需 0.35 秒。
 * **视觉骨干网络**：模型采用了 SigLIP base patch-16/512 作为视觉骨干网络，网络参数
   量为 93M，能高效地处理图像输入。通过像素压缩技术，每个 512×512 的图像块被压缩
   为 64 个视觉标记，显著降低了计算资源需求。
 * **文本编码器**：SmolDocling-256M-preview 使用 SmolLM-2 作为文本编码器，编码器
   参数量为 135M，能处理文本输入并与视觉信息进行融合。
 * **多模态融合与输出**：模型能接收图像和文本的多模态输入，生成结构化的文本输出。
   支持多种文档处理功能，包括将文档图像转换为结构化文本、提取图表和表格信息、将数学
   公式转换为 LaTeX 格式等。
 * **优化的数据集与训练策略**：SmolDocling-256M-preview 的训练数据集包括科学和非
   科学文档，文档理解占比达到 41%。训练过程中采用了更高的像素标记率（4096 像素/标记），
   相比之前的 1820 像素/标记，显著提升了效率。

## SmolDocling的项目地址

 * **HuggingFace模型库**：[https://huggingface.co/ds4sd/SmolDocling-256M-preview](https://huggingface.co/ds4sd/SmolDocling-256M-preview)
 * **arXiv技术论文**：[https://arxiv.org/pdf/2503.11576](https://arxiv.org/pdf/2503.11576)

## SmolDocling的应用场景

 * **文档转换与数字化**：SmolDocling-256M-preview 能高效地将图像形式的文档转换为
   结构化的文本格式，同时保留文档的原始布局和复杂元素（如代码块、数学公式、图表等）。
   支持多种输出格式，包括 Markdown、HTML 等，适用于文档的数字化处理。
 * **科学与非科学文档处理**：能处理非科学内容（如商业文档、专利文件等）。识别和提取
   文档中的关键信息，如公式、图表和表格。
 * **快速 OCR 与布局识别**：SmolDocling-256M-preview 提供高效的光学字符识别（OCR）
   功能，能从图像中准确提取文本，保留文档的结构和元素边界框。
 * **移动与低资源设备支持**：SmolDocling-256M-preview 可以在移动设备或资源受限的
   环境中运行，例如智能手机或便携式计算机。

🧭 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）

SmolDocling适合处理哪些文档？

它适合学术论文、技术报告，也能处理商业文档、专利文件等非科学文档。模型可识别文本、
公式、图表、表格和代码块，并保留原始布局结构，适合文档数字化与信息抽取场景。

SmolDocling的速度和资源占用怎么样？

文章给出的实测结果是：在 A100 GPU 上每页处理约 0.35 秒，显存占用不到 500MB。由于
参数量仅 256M，它更适合追求高吞吐、低资源消耗的文档处理任务。

SmolDocling能和Docling一起用吗？

可以。SmolDocling 与 Docling 完全兼容，处理结果可导出为多种格式，如 Markdown、HTML
等；同时还支持将图表转换为表格、将公式转换为 LaTeX，便于后续编辑和集成。

🔬 语宙深潜追问 · 进阶实操拆解

轻量文档模型最适合哪些场景？

适合批量扫描、边缘设备、私有化部署和高并发抽取场景，尤其是表格、公式、代码块等结构
化信息提取。若追求极复杂版式理解或跨页推理，仍需更[大模型](https://paooo.com/ai-study/)
或多阶段流水线配合。

如何把文档识别接进业务流程？

先把输入统一成图像或PDF，再输出结构化中间表示，最后映射到JSON、Markdown或数据库字
段。上线时要重点监控页级耗时、字段准确率和异常页回退策略，避免单页失败拖垮整批任务。

🗳️ 读者观点微投票 · 您的实战立场是？

256M文档模型，能替代大模型方案吗？

🕸️ 语宙向量知识图谱 · 语义强关联深度内链

[🔓 所属权威专题：开源大模型与端侧推理 →](https://paooo.com/topics/open-source-llm/)

 * [mPLUG-DocOwl2 – 阿里推出多页文档理解的多模态大模型，单页仅需324个token](https://paooo.com/aigc-news/26889/)
 * [IBM发布258M参数轻量级视觉语言模型：高效文档转换，支持多语言与复杂版式](https://paooo.com/aigc-news/13598/)
 * [HyOCR-1.5 – 腾讯混元开源的轻量级端到端 OCR 专家大模型](https://paooo.com/aigc-news/30140/)
 * [LightOnAI发布LightOnOCR-2-1B：1B参数量超高效OCR模型，处理成本低至$0.01/千页，学术论文、复杂表格、数学公式一网打尽](https://paooo.com/ai-tool/11856/)

[🏛️ 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/20949/?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/)
