Datalab publica OmniParseBench, un benchmark abierto de OCR con 16.288 tests pasa/no pasa
Datalab ha publicado OmniParseBench, un benchmark de código abierto (Apache 2.0) para evaluar parsers de documentos mediante 16.288 pruebas sí/no sobre 2.937 páginas de 2.343 documentos en 92 idiomas. La puntuación se calcula como la media de tres familias (texto, tablas y maquetación) y se puede ejecutar offline sin claves de API. En la clasificación de lanzamiento, Gemini 3.8 Flash lidera con 92,9 y Datalab accurate queda segundo con 92,7; Datalab, que vende un parser, es también el autor del benchmark, y se señala que dos modelos participaron en la creación de algunos tests.
Fuentes
- MarkTechPostDatalab Releases OmniParseBench: An Open OCR Benchmark With 16,288 Pass/Fail Tests to Audit OCR Parsers