Parsing-Omni: 5B – 96,96, JSON, ikke EU

Tencent legger i oktober 2026 Youtu-Parsing-Omni på Hugging Face. Det er en 5B omni-parser: ett kall, ett JSON-skjema, for dokumentside, naturlig bilde, diagram, geometri, lyd og video. Vektene ligger som tencent/Youtu-Parsing-Omni. Lisensen heter Youtu-Parsing. Første setning i lisensen: «Youtu-Parsing IS NOT INTENDED FOR USE WITHIN THE EUROPEAN UNION.» Klausulen går foran resten av avtalen.

Dette er ikke en ny chatmodell. Det er et inntakslag. Svaret skal inn i et skjema, ikke inn i en samtale.

Hva Tencent faktisk legger ut

Modellkortet kaller den compact, 5B. Ett Youtu-Omni-Encoder tar piksler, log-mel og videoframes. Tynne stems per modalitet. Delt bidirectional Transformer. Youtu-LLM-dekoderen skriver OmniSchema-JSON. Oppgave velges med --task: document, natural_image, graphics_chart, graphics_flowchart, graphics_geometric, audio, natural_video, textrich_video.

Dokument gir layout med bbox, tekst, LaTeX, OTSL-tabeller, Markdown-diagram og leserekkefølge. Lyd gir tidsstemplet ASR, talere og akustiske hendelser. Tekstrikt video gir OCR pluss ASR og en Markdown-rapport. GitHub-repoet TencentCloudADP/youtu-parsing har vLLM-plugin, pinned serving og eksempler.

Serving er smal. Skriptet setter --max-model-len 65536, --max-num-seqs 1, bfloat16, vllm==0.19.0 og transformers==5.2.0. Transformers-inferens pins 5.10.2 i et annet miljø. peft skal ikke ligge i serving-miljøet. ffmpeg kreves for lyd og video. Serveren lytter på 127.0.0.1. custom_code er på. config.json har max_position_embeddings 1048576, men den publiserte vLLM-oppskriften kutter til 65 536.

Tallene er labens

OmniDocBench v1.6, Tencents tabell: Youtu-Parsing-Omni 96,96 overall. TeleOCR 1,2B ligger på 96,91. Gemini-3-Pro 92,91. GPT-5.2 86,59. Tabell TEDS-S 98,20. Leserekkefølge-edit 0,1104. Dette er dokument-OCR, ikke agent-koding.

OmniParsingBench, samme tabell: 75,08 snitt. Best blant åpne vekter. Gemini-3-Pro 77,44. Youtu vinner chart (95,02) og audio (78,08), taper geometri og naturlig bilde mot Gemini. ChemOCR: 74,6 snittsimilaritet, 54,2 Tani@1.0. DeepSeek-OCR 2 er 74,9 / 49,6. PDMX-Synth CER 22,73, like over spesialisten LEGATO på SER og LER.

Ingen uavhengig rerun er sitert. Tallene er Tencents.

Lisensen er saken for EØS

Lisensen er ikke Apache. Den er «License Terms of Youtu-Parsing». Territoriet er eksplisitt: ikke til bruk i EU. Ved konflikt vinner den klausulen. Copyright 2026 Tencent. AS IS, uten garanti.

Norge er EØS, ikke EU. Teksten sier European Union, ikke EEA. Det er ikke en grønnstamp. Norske selskaper med EU-datter, EU-kunder eller behandling av EU-personopplysninger treffer klausulen. Juridisk må lese om «use within» dekker inferens, lagring av vekter, eller utledede systemer. Ikke anta at self-host i Oslo er fritt fordi landet står utenfor EU.

Sammenligning: Cloudflare Clef-omni, dekket her 9. oktober, er Apache. Qwen-Image-2.1-Turbo er Research License uten EU-forbud, men stenger kommersiell self-host. Youtu stenger EU-bruk uansett forsknings- eller produksjonsramme, slik teksten står.

Leverandørstyring: kinesisk opphav, custom_code, vLLM-plugin utenfor hovedlinjen, max-num-seqs 1. Dette er PoC-materiale utenfor EU, ikke et inntakslag du dropper i et EØS-produksjonsnett uten advokat.

Hva CIO og CISO gjør med det

For dokumentinntak er 5B og JSON-skjemaet operativt interessant: faktura, rapport, møteopptak, skjermopptak i ett kall. For styring er tre ting viktigere enn 96,96.

Først lisensen. Sett den i registeret som territorielt begrenset. Ikke i EU-produksjon. Avklar EØS skriftlig. Ikke last vektene inn i et GPU-cluster som betjener EU-brukere.

Deretter dataflyt. Dokument, lyd og video inn i en Tencent-arkitektur med custom_code. Kjør luftgapet PoC bare der lisensen faktisk tillater det. Ikke send kundedokumenter til et Hugging Face-cache uten DPIA.

Til slutt kapasitet. --max-num-seqs 1 er ikke et køsystem. 65k kontekst i oppskriften er ikke 1M i config. Benchmarkene er labens. Mål på egne dokumenter før du sammenligner med Gemini eller intern OCR.

Tencent har gitt vekter, plugin og en lisens som stenger EU. Det er nyheten. Resten er en tabell.

Kilder og medier

Primærkilde: https://huggingface.co/tencent/Youtu-Parsing-Omni

Lisens: https://huggingface.co/tencent/Youtu-Parsing-Omni/blob/main/LICENSE

Kode og vLLM-plugin: https://github.com/TencentCloudADP/youtu-parsing

Thumbnail: OpenAI Image 2 / hogby.ai