LightOnOCR-3 4B 已在EmpirioLabs上可用。 它是LightOn的文档OCR模型：发送PDF或图片，它以Markdown格式返回每页，文本按阅读顺序、标题、列表、表格、LaTeX数学和图表作为数据点的表格。每个页面还会返回其布局：页面上每个块的类型和位置。它运行于 /v1/ocr后，在API和Playground中。
基准测试。 LightOn 报告称，LightOnOCR-3 4B 的 olmOCR-Bench 整体评分为 86.3 发布公告 2026年10月8日。
内容如下
一页讲义测试页，一请求中读完。这页和另外两页对阵三位视觉聊天模型都已发布 LightOnOCR-3 4B vs Qwen3.5 4B vs Gemma 4 26B-A4B vs Mistral Small 3.1。 。 。.
该页面返回的Markdown开头;另外三个方程、表格和页码在同一个回答中：
物理210 ·讲义 第6周 ## 6.2 阻尼谐振子 A 质量 $m$ 位于刚度弹簧 $k$ 上，阻尼力与其速度成正比，服从 $$ m \frac{d^2 x}{dt^2} + c \frac{dx}{dt} + kx = 0 \quad \text{（6.1）} $$ 代入 $x（t） = e^{rt}$ 得到特征方程 $mr^2 + cr + k = 0$，其根为 $$ r = \frac{-c \pm \sqrt{c^2 - 4mk}}{2m} \quad \text{（6.2）} $$你的第一个请求
通过URL或base64数据URI发送文档。此请求读取示例PDF的前两页：
curl https://api.empiriolabs.ai/v1/ocr \ -h “授权：承载者 $EMPIRIOLABS_API_key” \ -h “内容类型： application/json” \ -d '{ “model”： “lightonocr-3-4b”， “document”： { “type”： “document_url”， “document_url”： “https://media.empiriolabs.ai/assets/blog-images/lightonocr-3-4b-test-2026-10-25/sample-document.pdf" }， ”pages“： [0， 1] }'你电脑上的文件作为数据URI进入，无需托管：
import base64 import OS 导入请求，使用 open（“report.pdf”， “rb”） 作为 handle： encoded = base64.b64encode（handle.read（）.decode（） response = requests.post（ “https://api.empiriolabs.ai/v1/ocr", headers={”Authorization“： f”Bearer {os.environ['EMPIRIOLABS_API_KEY']}}， json={ “model”： “lightonocr-3-4b”， “document”： {“type”： “document_url”， “document_url”： f“data:application/pdf;base64，{encoded}”}， }， timeout=300， ） response.raise_for_status（） 页面 response.json（）[“pages”]： print（f“--- page {page['index'} ---”） print（page[“markdown”]）图像的工作原理相同，其中 “类型”：“image_url” 以及URL或数据URI中的 image_url.一份文档可以是PDF或PNG、JPEG、WebP、TIFF、BMP、GIF或AVIF图片，最多可达50MB，一次请求可阅读最多1000页。
回应内容
响应每页包含一个对象 页数.每个页面的页面为 打折; 方块，页面的每个区域按其类型（标题, (中文), 文本, (中文), 列表, (中文), 表格, (中文), 方程, (中文), 说明, (中文), 头部, (中文), 页脚以及像素中的方框; 图片，图像区域;以及 尺寸，方框所指的页面图像大小。 usage_info.pages_processed 统计已读页数。讲义页返回的16个块之一：
{ “类型”：“方程”，“top_left_x”：641，“top_left_y”：526，“bottom_right_x”：1447，“bottom_right_y”：610，“内容”：“$$\nr = \\frac{-c \\pm \\sqrt{c^2 - 4mk}}{2m} \\quad \\text{（6.2）}\n$$” }请求的回答是在页面被阅读后才会回复。大约四分半钟后，一个请求仍在运行 202 其中 任务(d)：民意调查 快/v1/jobs/{job_id} 直到 现状 是 已完成，页面已经放进去了 结果.要一次性获取作业ID，发送头部 偏好：异步响应。 。 。.
选项
- 页数。
页数以零为基础的页码作为列表（[0, 2, 3]）或字符串（"0,2-4").把它放出来，读每一页。 - 桌子。
table_format设置为打折或HTML将每个表格移动到表格以该格式并保留如下链接[tbl-0.html]（tbl-0.html）在页面Markdown中。没有它，表格会以HTML的形式留在Markdown中。 - 图片。
include_image_base64返回每个图像区域为JPEG数据URI。image_limit限制整个文档返回的图片数量，以及image_min_size排除了比这个像素数更窄或更短的区域。 - 页眉和页脚。
extract_header以及extract_footer把他们从Markdown转移到自己的场地。 - 布局。
include_blocks设置为错误叶片方块出去。
作战笔记
- 页码从0开始。
“页数”：[1]读到第二页。 - 美元符号可能会被逃脱。 在页面文本中，可能有一个美元符号写道
\$，以及HTML表格内部& 美元;.在搜索金额之前，先解除Markdown。 - 注释字段被拒绝。
bbox_annotation_format, (中文),document_annotation_format， 和document_annotation_prompt回答400在任何页面被阅读之前。
定价
按页数收费。 每个请求至少计费5页，因此将长文档作为一份PDF发送，而不是每页发送一个请求。未返回的请求不会计费。当前费率详见 模型页面 页:1 定价页面。 。 。.
开始建造
试试LightOnOCR-3 4B，在 Playground 带上你自己的文档，并阅读 文档OCR指南 页:1 API 文档 对每个参数。
披露:这篇文章是在AI的协助下撰写的,并由EmpirioLabs AI审查.
