Voici rakedoc-nano-2 : une analyse de pointe pour une fraction du prix
80,1 sur ParseBench, n° 1 parmi les modèles à poids ouverts et devant tous les LLM de pointe. Il lit les graphiques et la mise en forme du texte, et il tourne toujours sur un seul GPU.
- 80,1 sur ParseBench. N° 1 parmi les modèles à poids ouverts et cinquième au total au classement public, devant tous les LLM de pointe. Contre 77,2 pour
rakedoc-nano. - Graphiques : 64,9 → 71,7. Nous l’avons entraîné sur de nouveaux types de graphiques de rapport. Le modèle transforme les graphiques à barres, à lignes et circulaires en données qu’il peut rendre sous forme de tableau.
- Mise en forme sémantique : 71,7 → 80,0. Le gras, l’italique, le soulignement, le barré et l’exposant sont conservés. Une clause barrée ou un appel de note garde son sens après l’analyse.
- Même taille, remplacement direct. Toujours 1,2 milliard de paramètres, toujours un seul GPU. Il remplace directement KDL-Frontier-Parser-nano-v2 sous vLLM, avec des poids bf16 fusionnés et aucun adaptateur à charger.
- Poids ouverts, en production dès aujourd’hui. Sur Hugging Face sous AGPL-3.0, et déjà au cœur de l’étape Parse de l’API Paperwork de CloudRaker.
Il y a deux mois, nous avons publié rakedoc-nano, le modèle de vision compact derrière Parse dans l’API Paperwork de CloudRaker. Aujourd’hui, nous publions rakedoc-nano-2, le meilleur analyseur de documents à poids ouverts sur ParseBench.
Avec 1,2 milliard de paramètres, il obtient 80,1 au global. Il se classe n° 1 parmi les modèles à poids ouverts et cinquième au classement public complet, devant tous les LLM de pointe. Il tient toujours sur un seul GPU.
La version 2 cible les deux éléments qui comptent le plus dans les vrais documents d’affaires. Les graphiques : un rapport trimestriel ou un dépôt actuariel met ses chiffres clés dans un graphique à barres, et le modèle rend maintenant ces chiffres sous forme de données. La mise en forme : dans un contrat, une clause barrée ou un terme défini en gras a un sens, et ce sens survit maintenant à l’analyse.
Performance
Tous les scores viennent de ParseBench, en moyenne sur trois exécutions complètes sur un seul GPU.
| Modèle | Global | Tableaux | Graphiques | Contenu | Sémantique | Ancrage |
|---|---|---|---|---|---|---|
| rakedoc-nano-2 | 80,09 | 85,86 | 71,73 | 87,80 | 79,99 | 75,07 |
| KDL-Frontier-Parser-nano-v2 | 79,06 | 85,96 | 69,46 | 87,62 | 76,94 | 75,34 |
| rakedoc-nano (v1, août) | 77,2 | 86,4 | 64,9 | 88,8 | 71,7 | 74,3 |
Par rapport au premier rakedoc-nano, le score global bondit de 2,9 points. Les graphiques gagnent 6,8 points et la mise en forme sémantique, 8,3. Par rapport à sa base KDL v2, rakedoc-nano-2 ajoute un point complet au global.
Côté prix, rakedoc-nano-2 se situe sur la frontière. À 10 $ par 1 000 pages, il devance Reducto (Agentic) de 9 points pour le cinquième du prix. Il obtient de 23 à 32 points de plus qu’AWS Textract, Google Cloud Document AI et Azure Document Intelligence, pour le même prix ou moins. Cohere Parse v5 coûte moins cher, à 1,50 $, mais obtient environ 30 points de moins. Au volume entreprise, rakedoc-nano-2 descend à 5,20 $ par 1 000 pages.
Placez la barre à 80 sur ParseBench, et rakedoc-nano-2 est la façon la moins chère de la franchir.
Comment nous l’avons entraîné
Nous sommes partis de KDL-Frontier-Parser-nano-v2, une base plus solide que celle de notre premier modèle, et nous avons entraîné deux spécialistes par-dessus :
- Mise en forme. Apprentissage par renforcement (GRPO) sur la reconnaissance du texte, avec une récompense qui compare chaque marque de gras, d’italique, de soulignement, de barré et d’exposant à la vérité terrain.
- Graphiques. Un court démarrage supervisé sur des graphiques de rapport synthétiques, puis du GRPO sur la lecture des graphiques avec nos graphiques et ChartQA.
Nous avons ensuite fusionné les deux en un seul jeu de poids, à 70 % mise en forme et 30 % graphiques. Une partie des données d’entraînement vient de synthdocs, le jeu de données publié en code source ouvert la semaine dernière. Les documents de ParseBench n’ont jamais servi à l’entraînement.
L’utiliser dans l’API
rakedoc-nano-2 fait déjà tourner Parse dans l’API Paperwork. Si vous utilisez Parse aujourd’hui, vous l’avez déjà, sans changer votre code. Envoyez un fichier, recevez du Markdown, du JSON structuré et des boîtes englobantes :
curl -X POST https://api.cloudraker.com/v1/parse \
-H "Authorization: Bearer $CLOUDRAKER_API_KEY" \
-H "Content-Type: application/json" \
-d '{"file": {"url": "https://example.com/quarterly-report.pdf"}}'
Obtenez une clé d’API sur signup.cloudraker.com. Le forfait gratuit couvre des milliers de pages chaque mois. Référence complète : docs.cloudraker.com.
Certains flux de travail exigent que les documents restent au pays. Pour ceux-là, nous garantissons que l’inférence se fait au Canada, au même prix.
L’héberger vous-même
Les poids sont sur Hugging Face sous AGPL-3.0. Servez-les avec vLLM sur un seul GPU :
vllm serve cloudraker/rakedoc-nano-2 \
--served-model-name rakedoc-nano-2 \
--trust-remote-code \
--limit-mm-per-prompt '{"image":1}'
Si vous servez déjà KDL v2, c’est un remplacement direct : même architecture, mêmes invites, il suffit de changer le nom du modèle.
Envoyez-nous les documents qui posent problème. C’est comme ça que la prochaine version s’entraîne.