---
title: Logics-Parsing-V3-GGUF
canonical_url: "https://www.modelscope.cn/models/42ailab/Logics-Parsing-V3-GGUF"
md_url: "https://www.modelscope.cn/models/42ailab/Logics-Parsing-V3-GGUF.md"
repository: 42ailab/Logics-Parsing-V3-GGUF
chinese_name: "Logics-Parsing-V3 GGUF（本地量化部署档）"
last_updated: 2026-09-22
license: apache-2.0
library_name:
  - gguf
frameworks:
  - gguf
downloads: 10
stars: 0
tags:
  - ocr
  - document-parsing
  - gguf
  - llama.cpp
  - qwen3.5
---

# Logics-Parsing-V3-GGUF

> Logics-Parsing-V3-GGUF - 42ailab 在 ModelScope 开源的模型。Logics-Parsing-V3 · 0.8B 的文档解析小模型，认得版面也认得公式

42ailab/Logics-Parsing-V3-GGUF 是 ModelScope 魔搭社区上的机器学习模型，采用 apache-2.0 许可。

- **Repository**: 42ailab/Logics-Parsing-V3-GGUF
- **License**: apache-2.0
- **Tags**: ocr, document-parsing, gguf, llama.cpp, qwen3.5
- **Downloads**: 10
- **Stars**: 0
- **Last updated**: 2026-09-22

Source: https://www.modelscope.cn/models/42ailab/Logics-Parsing-V3-GGUF

---

<!-- 这是 ModelScope 仓 `42ailab/Logics-Parsing-V3-GGUF` 的 README。改这里 = 改仓首页。 -->
# Logics-Parsing-V3 · 0.8B 的文档解析小模型，认得版面也认得公式

给一张书页或论文截图，它输出**带结构的文本**——标题是标题、正文是正文、表格是表格、公式是公式——全部在你自己的电脑上完成，**不上云、免费、私密**。

> **模型由[阿里巴巴 Logics 团队](https://github.com/alibaba/Logics-Parsing)研发、以 Apache-2.0 开源**（Logics-Parsing-V3，Qwen3.5 视觉语言架构）。**本仓不是新模型**，而是我们把这个开源模型转换成**能在你电脑上离线运行**的量化部署档（GGUF）并做了质量校验——模型能力归上游，我们做的是「让它在本地跑起来」。

## 一、它解决什么问题

扫描件、论文 PDF、拍下来的书页，里面的字要拿出来用，往往卡在三处：**版面**（两栏、图注、页眉混成一锅）、**公式**（转成乱码或干脆丢掉）、**表格**（合并单元格塌成一行）。

过去要处理这些，多半得把文件传上云。而合同、内部资料、未发表的稿子，在这一步就会让人犹豫。

Logics-Parsing-V3 只有 **0.8B**，量化后不到 800MB，普通笔记本都跑得动——文件不出本机。

## 二、它是怎么做到的

**模型能力来自阿里巴巴 Logics 团队的 Logics-Parsing-V3**，其设计要点：

- **按页递推的结构状态**：处理长文档时不需要把整份文档塞进一个上下文窗口，而是把「读到这里为止的结构」压成一小块状态传给下一页。所以文档越长，它掉得越慢。
- **结构与内容一起出**：标题层级、跨页合并、图文对应在同一个模型里完成，不靠后面再接一串规则。

**我们做的**：把上游权重转成一个量化文件（774MB）加一个视觉编码器（195MB），校验质量没因量化下降，让它跨 macOS / Windows / Linux **离线运行**；并**沿用与上游一致的 Apache-2.0 许可**。

## 三、效果如何

模型本体在 MPDocBench、OmniDocBench v1.6 上的完整评测，请以**上游仓的基准图表**为准（[GitHub](https://github.com/alibaba/Logics-Parsing)）。这里只列**我们自己的复核**，以及上游卡里唯一以数字形式给出的那张效率表。

**我们的实测**（macOS · Apple Silicon · Q8_0 + f16 视觉编码器）：

| 我们复核的项目 | 结果 |
|---|---|
| 量化保真（Q8_0 对 Q4_K_M，同一页逐字比对） | **逐字一致**，故发布档取 Q8_0（0.8B 模型省那 269MB 不值得冒精度风险） |
| 中文书页 · 易错词 | 「你来代入」**读对**（本地库里两档 HunyuanOCR 在同一页读成「代替」） |
| 中文书页 · 数学记号 | `P(E|¬H)` **读对**，并转成 `\neg`（此前本地库里只有 7B 的 olmOCR-2 做到） |
| 英文论文页 | 作者块的 LaTeX 上标、项目页与数据集 URL 均原样留住 |

⚠️ **证据强度如实标**：上面「易错词」与「数学记号」各**只有一页**的证据，只到「在这一页上」为止，**别外推成能力画像**。

**上游官方报告**的效率数字（MPDocBench，420 份文档 3135 页，H100，batch size 1，[出处](https://github.com/alibaba/Logics-Parsing)）：

| 模型 | 总时长（分钟）↓ | 每页（秒）↓ |
|---|---:|---:|
| **Logics-Parsing-V3** | **72.46** | **1.39** |
| OvisOCR2 | 73.26 | 1.40 |
| Unlimited-OCR | 90.12 | 1.72 |
| MinerU2.5-Pro | 175.10 | 3.35 |

## 四、局限与下一步

- **本地目前只跑单页模式**。上游还有一套跨页递推的长文档模式（按页传递结构状态），那条路要一次喂多页并维护状态，本地引擎尚未接；单页模式已能覆盖「拍一页、认一页」的用法。
- **图和图表只给位置、不给内容**。模型对插图输出的是版面框坐标，本地没有图床可放，所以这类块会被略过，文字部分不受影响。
- 长文档模式里的标题层级、跨页合并标记，本地单页模式下不会出现。

## 五、怎么下载与使用

本模型专为 [活水模型（42model）](https://42model.com) 打包，推荐通过它获取：

**方法一 · 桌面版**：在「模型库」→「OCR」里下载 **Logics-Parsing-V3**，点「开始使用」。

**方法二 · 命令行（CLI）**：

```bash
42model download logics-parsing-v3
```

## 文件与许可

| 文件 | 作用 |
|---|---|
| `Logics-Parsing-V3-Q8_0.gguf` | 文本解码器（Qwen3.5 系） |
| `mmproj-Logics-Parsing-V3-f16.gguf` | 视觉编码器（保留 F16 精度） |

各文件 sha256 见 ModelScope 文件页，可自行校验。

**许可**：模型本体为 Logics-Parsing-V3，© 阿里巴巴 Logics 团队，**Apache-2.0**（官方源：[GitHub](https://github.com/alibaba/Logics-Parsing) · [ModelScope](https://modelscope.cn/models/Alibaba-DT/Logics-Parsing-V3)）。本仓为其转换的 GGUF 部署档，同样遵循 [Apache-2.0](https://www.apache.org/licenses/LICENSE-2.0)，使用即表示同意上游许可条款。

## 引用

**模型本体**请引用上游阿里巴巴 Logics 团队。**Logics-Parsing-V3 的技术报告在上游仓标注为「审稿中」，尚无公开引用条目**——请以 [GitHub 仓](https://github.com/alibaba/Logics-Parsing)为准；同系列 Logics-Parsing-Omni 的技术报告见 [arXiv:2603.09677](https://arxiv.org/pdf/2603.09677)。

若**本仓的 GGUF 量化部署档**对你有帮助，可另附：

```bibtex
@misc{yang2026logicsparsingv3gguf,
  title        = {Logics-Parsing-V3-GGUF: A Local Quantized Build of Alibaba's Logics-Parsing-V3},
  author       = {Yang, Zhiping},
  year         = {2026},
  howpublished = {\url{https://modelscope.cn/models/42ailab/Logics-Parsing-V3-GGUF}},
  organization = {42ailab},
  note         = {GGUF 量化与本地部署封装；模型本体为阿里巴巴 Logics-Parsing-V3（Apache-2.0）。Contact: contact@42ailab.com}
}
```

联系我们：**contact@42ailab.com**

## 关于我们

**[活水 AI 实验室（42ailab）](https://42ailab.com)** — 探索智能边界的 AI 创新实验室，以认知科学为基石，推动 AI 与人类智能的深度融合，真正理解并增强智能 —— 碳基的，也是硅基的。

**[活水模型（42model）](https://42model.com)** — 由活水 AI 实验室出品的高性能本地 AI 大模型推理引擎，让翻译、转写、识别、对话、编程等 AI 能力在你的本机免费私密运行；并可借云端算力微调专属模型，回传本机运行。