Datalab开源OCR审计基准OmniParseBench：16288个通过/失败测试，覆盖2937页、92种语言，可按标签与语言切片。
10 月 14 日 MarkTechPost 报道，Datalab 发布开源 OCR 基准 OmniParseBench：包含 16,288 个通过/失败（yes/no）测试，覆盖 2,937 页文档、92 种语言，每项得分都是可通过率，并可按标签、文字系统或语言切片查看。它面向需要审计和选型 OCR/文档解析器的开发者场景（如 RAG 与文档 AI 工作流）。目前为 MarkTechPost 单一信源转述，基准的完整方法学与各解析器实测结果未在材料中给出。
rss · MarkTechPost · 10月14日 23:37
「为什么现在」 文档解析质量直接决定 RAG 系统的上限，而常见跑分难以反映真实文档的失败模式；一个以"逐项通过/失败"为颗粒度的开源审计基准，把 OCR 选型从厂商口径拉回可复核的量化对比。已发生的是基准发布本身，各解析器在其中的表现差异尚待社区实测。
「可做角度」 可做角度：以"你的 RAG 效果差可能不是模型问题，是 OCR 翻车"为切口，用 OmniParseBench 的切片能力（按语言/文字系统）展示主流 OCR 方案在中文等非拉丁文档上的通过率差异，给文档 AI 工作流一个可复现的选型检查清单。
做AI项目，先看AI雷达 - AiRadar.com.cn · 全部AI快讯 →