阿里云栖大会开源 Logics-Parsing-V3：0.8B 文档解析模型登顶 MPDocBench

2026 年 09 月 24 日——阿里巴巴于 9 月 22 日在杭州云栖大会上发布并开源文档解析模型 Logics-Parsing-V3：模型仅 0.8B 参数，在多页文档解析评测 MPDocBench-Parse 综合评测中以 85.26 分排名第一，领先第二名端到端模型 PaddleOCR-VL-1.5 达 4.46 分，官方表示该模型是这一榜单目前唯一的开源 SOTA 模型。

据官方公众号"阿里数据"消息，Logics-Parsing-V3 是 Logics-Parsing 系列的第三代模型。该系列于 2025 年 9 月 25 日发布首代单页文档解析模型，2026 年 2 月 13 日推出强化复杂版面解析的 V2 版本，2026 年 3 月 9 日发布全要素解析版本 Logics-Parsing-Omni，此次的 V3 在单页识别基础上补齐了长文档整册解析能力。模型权重与代码已上架 Hugging Face 与 GitHub，并在 ModelScope 提供在线体验。

循环滑动窗口推理：跨页保持结构连续

官方介绍，V3 的核心升级是引入结构感知循环解析（Structure-Aware Recurrent Parsing）推理框架：模型按页循环解析文档时，将未闭合的标题层级路径、最近关闭的标题、跨页元素续接状态等结构信息压缩为状态向量，随页面滚动向后传递，解析完成后还原出整份文档的完整结构树。该方案主要针对传统逐页解析中跨页表格截断、跨页段落割裂、标题层级丢失等问题。

在具体能力上，官方给出四点升级：一是跨页不断、长文无界，同时支持单页与多页解析，通过长文档滑窗方案处理超长内容；二是不止识别、更懂结构，抽取全文层级结构，定位图表所属层级并建立图文关联；三是复杂内容精准还原，覆盖密集文字、复杂表格、科学公式、化学符号，并支持乐谱、思维导图、代码与伪代码等小众排版；四是解析效率领先，官方数据显示其解析速度快于对比的端到端方案。

评测数据

官方模型卡显示，在四项跨页关键能力对照表中，Logics-Parsing-V3 是对比模型中唯一全部覆盖的模型；单页解析方面，模型在 OmniDocBench v1.6 的文本、公式、表格、阅读顺序等指标上保持第一梯队水平。

在推理效率上，官方在 MPDocBench 全量 420 份文档共 3135 页上测试（H100 单卡、batch size 为 1）：Logics-Parsing-V3 全程耗时 72.46 分钟，平均每页 1.39 秒；对比方案中 OvisOCR2 为 73.26 分钟（每页 1.40 秒），MinerU2.5-Pro 为 175.10 分钟（每页 3.35 秒），MinerU2.5-Pro 与 MinerU-PoPo 组合为 197.49 分钟（每页 3.78 秒）。

获取方式

部署方面，官方示例基于 vLLM 推理框架，依赖版本为 vllm 0.22.1 与 transformers 5.6.0；多页解析默认滑动窗口为 2 页，输出包含正文 Markdown、标题层级树 Markdown、DSL 中间表示与结构化 JSON 四类文件，可直接对接 RAG 入库等下游流程。