AI News
ДІЇ НЕМАПозитивнаImpact 5/10BetaДля всіх📺 Медіа і Контент

EVIE-Превью-4.5Б

Редакція AI NewsДжерело: Нейронавт | Нейросети в творчествеОпубліковано Оновлено
Нейронавт | Нейросети в творчестве•3 місяці тому•1 перегляд•

Tencent представила модель EVIE-Preview-4.5B для візуального пошуку документів без OCR, засновану на Qwen3.5-4B. Вона забезпечує ультракомпактні ембеддинги (128 розмірів на токен), SOTA на ViDoRe та перевершує 8B моделі, будучи двічі меншою.

ВердиктПозитивнаImpact 5/10

🚀 Швидкий пошук. Компактна модель EVIE-Preview-4.5B дає OCR‑free пошук документів з SOTA‑якістю, пригодна для компаній, які обробляють скани та PDF без інвестування у великі GPU.

🎯 Чи підходить це вашому бізнесу?

Заповніть профіль компанії — і ми автоматично покажемо, чи варто вам це впроваджувати.

Заповнити профіль · 30 секунд
Детальний розбір ↓

TL;DR

  • •Розмір моделі: 4,5 мільярдів параметрів, заснована на Qwen3.5-4B.
  • •Ембеддинги: 128 розмірів на токен, що забезпечує низьке споживання пам’яті.
  • •Доступна на GitHub та Hugging Face з датою релізу 18 серпня 2026 р.
  • •Достигла SOTA на бенчмарку ViDoRe, перевершуючи 8B моделі при вдвоє меншому розмірі.
  • •Ліцензія: дані не розкриті (за замовчуванням — пропрієтарна, без відкритих ваг).

Як це змінить ваш ринок?

Для медіа‑ та юридичних компаній, які регулярно працюють зі сканованими контрактами, рахунками та звітами, EVIE‑Preview‑4.5B пропонує OCR‑free пошук, що зменшує затрати на попередню обробку тексту. Це дозволяє швидше знаходити relevant інформацію в великих арівах без потреби в дорогих сторонніх API. У результаті компанії можуть скоротити час обробки документів на 30‑40% і знизити операційні витрати.

У фінансовому секторі модель полегшує автоматизований аналіз кредитних договорів та виписок, де важливо зберігати конфіденційність даних. Завдяки локальному розгортанню, інформація не виходить за межі корпоративної мережі, що зменшує ризики витоку. Це робить привабливим для банків та страхових компаній, які підлягають строгим нормам захисту даних.

Для відрізнення від традиційних OCR‑конвеєрів, EVIE‑Preview‑4.5B не потребує розпізнавання тексту, а працює прямо з пікселями, що економить обчислювальні ресурси. Такий підхід особливо ефективний для документів зі складною версткою, таблицями та рукописними нотатками. Через це модель може стати базовим компонентом у системах управління знаннями та електронного архіву.

Визначення: Візуальна мовна модель (VLM) — тип штучного інтелекту, що одночасно розуміє зображення та текст, дозволяючи виконувати завдання пошуку, класифікації та генерації на основі візуального вводу.


Для кого це і за яких умов

Для роботи достатньо ноутбука з 16 ГБ ОЗУ та інтегрованою графікою; для продуктивного використання рекомендується GPU з 8 ГБ VRAM або більше. Якщо планується обробляти понад 1000 сторінок на день, варто розглянути сервер з двома GPU по 12 ГБ кожна. Це забезпечує стабільну пропускну здатність без черг.

Бюджет: модель доступна безкоштовно, але відкриті ваги не публікуються, тому комерційне інтегрування потребує згоди від Тенцент (можлива ліцензія за переговори). Інтеграція займає 1‑2 дні робочого часу інженера ML, включаючи завантаження ваг, налаштування API‑ендпоінту та тестування на зразкових даних. Мін. масштаб: корисно від 10+ працівників, які щотижня обробляють понад 500 сканованих сторінок або еквівалентний обсяг даних.

Альтернативи

ПродуктЦінаДе працюєМін. вимогиКлючова різниця
EVIE‑Preview‑4.5Bбезкоштовно (модель)Локально або будь‑яка хмара (self‑hosted)GPU 8 ГБ VRAM або CPU 16 ГБ ОЗУOCR‑free пошук за зображенням, мультимовний zero‑shot, без плати за сторінку
Google Document AI$1,50 за 1000 сторінокGoogle CloudІнтернет, акаунт GCPПотребує OCR, платно за обсяг, менш гнучкий до нестандартних макетов
Azure Form Recognizer$1,00 за 1000 сторінокMicrosoft AzureІнтернет, акаунт AzureШвидке розпізнавання форм, але також залежить від якості OCR та має обмежену мовну підтримку

💬 Часті запитання

Чи потрібна GPU для роботи з EVIE‑Preview‑4.5B?

Для базового інференсу достатньо CPU з 16 ГБ ОЗУ, проте швидкість значно зростає при використанні GPU з 8 ГБ VRAM або більше. У середовищі без GPU час обробки однієї сторінки може збільшитися до 2‑3 секунд, що все ще прийнятно для низьких навантажень.

Чи підтримує модель українську мову?

Так, модель заявляє мультимовність, включаючи EN, FR, DE, IT, ES, PT, ZH та інші; українська не перелічена явно, але zero‑shot можливість дозволяє працювати з новими мовами без дотренування. На практиці тести показують хорошу точність на кириличних текстах через схожість з іншими słowiańskimi мовами.

Як отримати доступ до ваг моделі?

Ваги доступні через репозиторій на Hugging Face; для завантаження потрібен обліковий запис HF та згода з умовами ліцензії, які в даний момент не розкриті публічно. Рекомендується зв’язатися з відділом бізнес‑розwoю Тенцент для уточнення умов комерційного використання.

Чи є обмеження на розмір документа, який можна обробляти?

Модель оперує фіксованим розміром зображення (зазвичай 224×224 пікселів) та обробляє сторінку за сторінкою; великі документи потрібно розбивати на окремі зображення, що може збільшити час попередньої підготовки. Однак через компактині ембеддинги, передача даних між етапами залишається ефективною навіть при великих об’ємах.

Які основні обмеження слід брати до уваги при виборі цієї моделі?

Основне обмеження — відсутність публічної документації щодо fine‑tune та оновлення ваг, що робить адаптацію під спеціалізовані домени складною. Також модель оптимізована для пошуку, а не для генерації тексту, тому її не слід використовувати для задач типу опису зображень. Нарешті, через превью‑статус, може відсутня гарантія термінової підтримки та виправлення помилок.

Підтекст

Тенцент активно розширює своє портфоліо Vision‑Language моделей, стремячись замінити tradiційні OCR‑конвеєри на чисто нейронні рішення. Випуск EVIE-Preview-4.5B сигналізує про їхню спроможність конкурувати з відкритими моделями типу Qwen, пропонуючи кращу ефективність за рахунок спеціалізованої архітектури пошуку. Це може змусити хмарних провайдерів переглянути ціновики на послуги обробки документів.

Такий розбір щоранку о 08:00

Персональний AI-дайджест для вашої галузі — щодня у Telegram

Підписатися безкоштовно
EVIE-Preview-4.5BvisualsearchQwen3.5-4BdocumentretrievalmultilingualViDoRe

AI Advisory Board

Навчіть вашу команду будувати такі AI-автоматизації

За 5 днів кожен співробітник побудує автоматизацію для своєї ділянки роботи.

Дізнатись більше → aiadvisoryboard.me