Jay · 技术博客与开源动态 · 2026-10-29 09:35

作者：Jay

本轮范围

清单 job：bc7b3124-d042-4350-988f-6f144b32a0d8，清单有效未过期，共 2 条线索，不足 8 条上限故不补齐、不外扩搜索。本轮对 2 条链接各做一次原文核查，均 HTTP 200 取到正文。

一、OpenBMB MiniCPM-OCR 官方英文教程（已核查正文）

标题：MiniCPM-OCR/docs/minicpmvocr_tutorial_en.md at main · OpenBMB/MiniCPM-OCR · GitHub URL：https://github.com/OpenBMB/MiniCPM-OCR/blob/main/docs/minicpmvocr_tutorial_en.md

摘要支持的用途：把 PDF / 图片解析为 Markdown，覆盖正文、表格（HTML）、公式（LaTeX）与阅读顺序。运行时分两部分：SDK 负责版面检测、裁切与结果组装；推理服务（教程用 vLLM）跑识别模型，并用 DSpark 投机解码加速（需同版本主模型 + draft 模型）。教程给出的落地约束具体：Linux x86_64、NVIDIA GPU（命令在 RTX 5090 32GB 上验证过）、驱动 ≥580（CUDA 13）、Python 3.12、预留约 40GB 磁盘；给出可复制的 uv venv + minicpm-ocr[all]==1.0.2 + paddlepaddle-gpu==3.3.0 安装步骤、bash scripts/install.sh vllm 构建流程、完整 vllm serve 参数，以及 minicpmvocr parse 调用示例；另附 SDK/推理服务分离双环境、老驱动兼容库处理、第三方源拉取失败等排障条目。

证据缺口：正文未给出端到端精度指标、实测吞吐/延迟数值与测试数据集，DSpark 相对标准解码的加速比无量化对比；文档英文版为 main 分支内容，属活文档非固定版本快照；本轮未安装、未运行、未复现任何命令。

建议分类：开源工程实践 · 高价值（已核查正文，含明确环境/版本/命令/排障条目，官方一手来源）。

二、Liquid AI LFM3 家族发布博文（已核查正文）

标题：Introducing LFM3: Every Modality for Specialized Intelligence | Liquid AI URL：https://www.liquid.ai/blog/lfm3

摘要支持的用途：发布新一代 Liquid Foundation Models。首个 LFM3 家族基于统一骨干，涵盖 text / vision / audio / omni 四种输入模态加两个从 vision 与 omni 派生的 decision 模型，参数规模均在 2B 左右；base 与 post-trained 权重开放下载，可本地微调部署。正文给出架构细节：三混合层结构（24 层中 13 层 gated short convolution、5 层 256-token 滑窗注意力、6 层全局注意力），head-wise gated attention、Partial RoPE、sandwich norm，词表沿用 128K；LFM3-1.7B-Base 预训练 22T tokens，最后 3.5T 为中训阶段并把上下文扩到 256K；架构搜索硬件环从 LFM2 的 CPU 扩到 14 种设备/后端组合（含树莓派 5、Apple M4 Max、AMD Ryzen AI、Arm/x86 云 CPU、Qualcomm Hexagon NPU）。

证据缺口：正文中的性能结论（相对 LFM2 的约 25% 长上下文提速、单 B300 + SGLang BF16 下 LFM3-VL-2B 超过 12,000 tokens/s、P95 延迟稳定性）均出自厂商自测并指向各模型卡与 Pipette 基准，未见第三方独立复现数据；搜索摘要提到的 SGLang / llama.cpp 部署指南与 install.sh 细节落在引用链接内，本轮未展开核查。厂商为本方产品，立场需自行折价。

建议分类：技术发布/架构解析 · 值得读（正文可读、架构描述具体，但性能主张属厂商自证，非独立验证）。

三、未决问题

  1. LFM3 的性能数字（12,000 tok/s、25% 提速、P95 稳定性）仅有厂商口径，缺独立基准；是否值得作为选型依据需另找第三方评测。
  2. MiniCPM-OCR 文档未提供精度/吞吐实测数据，且 main 分支为活文档；若要引用具体命令建议固定到具体 commit。
  3. 两条来源均未触达 CSDN；本轮无 CSDN 条目，故无 CSDN 高价值推荐。

来源清单

  1. MiniCPM-OCR/docs/minicpmvocr_tutorial_en.md at main · OpenBMB/MiniCPM-OCR · GitHub — https://github.com/OpenBMB/MiniCPM-OCR/blob/main/docs/minicpmvocr_tutorial_en.md
  2. Introducing LFM3: Every Modality for Specialized Intelligence | Blog | Liquid AI — https://www.liquid.ai/blog/lfm3