金山与华科发布多模态模型MonkeyOCR v1.5：文档解析能力超越PaddleOCR-VL，复杂表格解析首次突破90%（

1.多模态分析软件

是金山派来的猴子，复杂文档解析有救了！2025年6月以来，多模态文档解析领域迎来新一轮研究热潮，该方向逐渐成为多模态理解及大模型数据来源的重要前沿课题在数字化办公与AI技术深度融合的今天，文档智能解析技术已成为信息抽取、检索增强生成和自动化文档分析的核心基石。

2.多模态分析elan软件入门

然而，现实世界中的文档往往布局复杂、表格嵌套、内含图片公式，甚至跨页分布，这让许多现有的OCR（光学字符识别系统，Optical Character Recognition）系统感到棘手MonkeyOCR v1.5。

3.多模态elan软件使用说明

是一个全新的统一视觉-语言文档解析框架它在全能多模态文档解析基准OmniDocBench v1.5，OCRFlux-bench上较此前最优方法（MinerU2.5、PPOCR-VL、DeepSeek-OCR等）实现了全面突破，。

4.多模态分析

更在复杂表格、嵌入图像和跨页结构等棘手场景中，相较此前最优方法大幅提升9.7%。

5.多模态ai

△图1 MonkeyOCR v1.5再次突破多模态文档解析性能上限为何需要更强的文档解析引擎？想象一下这些场景：从一份扫描的科研论文中，精准提取包含嵌套表格和复杂公式的内容将一份跨越多页、含有产品插图的商品目录表格，无损地还原为一个完整的结构化数据。

6.多模态建模

准确理解一份排版密集的报纸版面上，文本、图片和表格的正确阅读顺序传统的OCR系统在面对这些挑战时，往往力不从心2025年6月，MonkeyOCR第一版本发布时提到此前的方法要么采用串联式流水线，容易导致错误累积；要么采用端到端模型，因文档图像的高分辨率而面临巨大的计算瓶颈。

7.多模态数据

v1.5除了提升了精度之外，同时支持嵌入式图像恢复、跨页表格重建以及多列表格合并，并在复杂的真实文档场景中展现出更强的应用潜力

8.多模态 transformer

△图2 自2025年6月起，多模态文档解析工具出现时间轴MonkeyOCR v1.5的核心突破MonkeyOCR v1.5的核心设计理念是：将全局的结构理解与细粒度的内容识别高效解耦，并在最关键、最复杂的环节引入创新性的智能算法。

9.多模态embedding

1.高效的两阶段解析管道v1.5将流程简化为两个清晰、轻量的阶段：阶段一：布局分析与阅读顺序预测采用一个视觉大语言模型，联合预测文档的布局（哪里是文本、表格、公式）和阅读顺序这种方式充分利用了全局视觉上下文，确保了结构元素与其空间顺序的一致性，从源头减少了错误。

10.多模态数据分析

阶段二：区域级内容识别根据第一阶段检测到的区域，系统并行地对每个区域内的文本、公式或表格进行高精度识别。这种设计既保证了细粒度的识别质量，又通过并行处理维持了整体效率。

△图3 兼顾效率与精度的两阶段文档解析流程2.针对复杂表格的三大“杀手锏”a）基于视觉一致性的强化学习理解复杂表格的结构是行业难题提出视觉一致性强化学习方案简单来说，通过训练了一个“奖励模型”，通过比较原始表格图像与识别结果重新渲染后的图像，来评估识别质量的好坏。

这套系统能让模型在没有大量人工标注数据的情况下，自我优化，显著提升对复杂表格的解析保真性

△图4 基于视觉一致性强化学习的复杂表格解析方法b）图像解耦表格解析表格里嵌入图片怎么办？此前的方法在该问题上均表现不佳，MonkeyOCR v1.5给出了简单高效的解决方案：图像解耦表格解析该模块会先检测并“遮住”表格中的图片，用占位符替代，然后让模型专注于解析纯文本的表格结构（生成含标签的HTML），最后再将原始图片“贴回”原位。

这完美解决了图片干扰表格结构识别的问题

△图5 图像解耦表格解析方法应对表格嵌入图片难题c）类型引导的表格合并对于跨页或分栏的表格，v1.5能智能地将其“缝合”起来我们系统性地定义了三种常见跨页模式（全标题重复、无标题连续、行分割连续），并采用。

规则匹配 BERT语义判别的混合决策流程，自动识别类型并执行精准合并，还原出完整的表格结构。

△图6 应对三种跨页表格模式解析性能表现：数据说话在以下权威基准的测试中，MonkeyOCR v1.5交出了一份亮眼的成绩单：综合性能第一：在OmniDocBench v1.5基准测试中，MonkeyOCR v1.5以

93.01%的整体得分登顶榜首它不仅超越了前最佳模型PPOCR-VL（92.86%）和MinerU 2.5（90.7%），也领先于其他知名模型，如dots.ocr（88.4%）和Deepseek-OCR（87.0%），证明了其综合解析能力的显著进步。

表格场景制霸：在专门测试复杂表格的OCRFlux-complex数据集上，更是以90.9%的得分，领先PPOCR-VL（81.7%）达9.2%，证明了新算法在处理复杂结构上的巨大优势。

可视化对比：眼见为实下面的对比案例展示v1.5的对比情况：布局分析：能准确识别出所有图像和表格区域，大幅避免了将表格误判为孤立文本和图片的错误。

嵌入图像恢复：能完美还原表格结构和其中的所有嵌入图像，而其它模型则时常出现图像丢失、表头丢失或结构错乱。

跨页表格合并：能完整地重建跨页表格，消除因页眉/页脚造成的结构中断，而其他方法则易被中途“截断”。

结语与展望MonkeyOCR v1.5不仅仅是在数据指标上实现了突破，它更致力于解决文档解析在真实工业场景中遇到的核心痛点通过创新的两阶段架构、自监督的强化学习策略以及针对嵌入图像、跨页表格的专用模块，它为处理复杂、异构的文档理解任务提供了一个强大、可靠且高效的解决方案。

MonkeyOCR v1.5技术报告与体验平台已发布，欢迎深入了解并体验MonkeyOCR v1.5的复杂文档解析能力Arxiv：https://arxiv.org/abs/2511.10390v1Github：https://github.com/Yuliang-Liu/MonkeyOCR

Demo：https://aiwrite.wps.cn/pdf/parse/web/