趋近智
Youtu Parsing Omni
参数
8B
上下文长度
1.05M
模态
Text
架构
Dense
KV 缓存速率
50 KB/tok
许可证
other
发布日期
9 Oct 2026
训练数据截止日期
-
API 价格 (每 1M)
仅支持自建托管
硬件选型
精度
上下文
工作负载显存: 6.85 GB
INT4 · 8K context
基础权重: 3.73 GB
KV 缓存: 0.63 GB
运行时与计算图: 2.50 GB
最小所需硬件
1x NVIDIA L4 24GB
6.9 / 21.6 GB usable
1x RTX 3060 12GB
6.9 / 10.8 GB usable
Apple M4 24GB
6.9 / 18.0 GB usable
确定特定工作负载的硬件需求：
在显存计算器中打开
架构图
评估基准
没有可用的 Youtu Parsing Omni 评估基准。
排名
排名
-
编程排名
-
关于 Youtu Parsing Omni
Youtu Parsing Omni is Tencent Youtu Lab's multimodal parsing model built on the VITA vision-language architecture. It specializes in fine-grained document understanding, visual layout analysis, and omni-modal information extraction.
技术规格
注意力
注意力结构
Multi-Layer Attention
注意力头
32
键值头
8
注意力头维度
64
位置嵌入
ROPE
RoPE Theta
1,600,000
KV 潜变量维度
576
归一化
RMS Normalization
激活函数
SwigLU
维度
隐藏维度大小
2,560
层数
40
FFN 中间层大小（稠密层）
9,728
多 Token 预测头数
0
分词器
词汇量大小
133,632