NVIDIA Nemotron 3.5 Parse 拿下 ParseBench 文档解析榜单第一名

NVIDIA Nemotron 3.5 Parse 正式登顶 ParseBench 文档解析榜单，成为当前榜单里综合表现最优秀的开放权重文档解析模型，在不到 10 亿参数的模型梯队里稳居首位，综合得分达到 75.20 分，同时兼顾解析精度与推理速度，单张 H100 显卡最高可以做到每秒处理 10.5 页文档，整体性能大幅领先同体量竞品模型。

一、登顶榜单的核心原因

1. 模型硬件与参数基础 Nemotron 3.5 Parse 仅有 6310 万参数，属于轻量化小模型，硬件部署门槛很低，不需要高端多卡集群，单张 H100 显卡就能完成批量文档解析任务，轻量化结构保障了高吞吐能力。
2. 多维度解析能力全面达标 ParseBench 一共设置五大评测维度，分别是表格提取、图表解析、内容保真度、语义格式识别、视觉锚定。这款模型在五个维度都拿到高分，既能识别纯文本内容，也能完整还原复杂表格、内嵌图表，还能保留文档原有排版结构，把图片版 PDF 转换成带完整格式的 Markdown、HTML 结构化内容智源社区。
3. 三段式推理模式实现精度与速度平衡 模型提供三档可调推理方案，开发者可以自由切换性能档位：

• 单轮解析：得分 72.74，每秒处理 16.1 页，主打高速度；
• 双轮解析：二次复核表格与图表区域，得分 74.92，每秒处理 11.2 页；
• 三轮解析：增加区域检测与精细化修正，拿到最高分 75.20，每秒处理 10.5 页。 三档配置全部处于帕累托最优区间，不会出现提升精度就大幅降低速度的情况。

1. 文档场景适配范围广 训练数据覆盖金融、保险、政务等真实业务文档，支持扫描件、图片 PDF、电子 PDF 多种文件类型，文字识别错误率控制在极低水平，还支持多语种文本解析，能满足企业自动化文档处理的落地需求。

二、模型达到榜单第一的技术落地步骤

1. 环境部署准备 部署环境只需要单张 H100 显卡，依托 Transformers 与 vLLM 框架运行，配套开源插件可以快速搭建兼容 OpenAI 接口的推理服务，一键拉起在线解析服务。
2. 选择对应推理档位 根据业务需求选定运行模式：批量高速文档筛查选用单轮模式；财务报表、合同这类高精度业务文件选用三轮解析模式。
3. 输入文档完成结构化转换 上传 PDF 图片页、扫描文档，模型自动识别文字区块、阅读顺序、表格行列、图表数据，直接输出 Markdown、HTML 表格、JSON 结构化数据，无需二次人工整理。
4. 接入下游业务系统 把解析完成的结构化文档对接知识库、RAG 检索、智能合同审核系统，直接完成文档内容检索与智能分析，打通文档处理全链路。

三、整体结论

Nemotron 3.5 Parse 依靠轻量化参数设计、全维度文档解析能力、可灵活调节的三档推理策略，在 ParseBench 文档解析基准测试中拿到综合第一。小体量模型跑出远超同级别产品的精度，同时保持很高的页面处理吞吐量，既可以本地私有化部署，也能云端批量调用，非常适合企业级文档智能、RAG 知识库、自动化办公等场景规模化落地。

【相关 FAQ】

问题 1：Nemotron 3.5 Parse 在 ParseBench 榜单上的综合得分是多少？

回答 1：Nemotron 3.5 Parse 在 ParseBench 文档解析榜单取得 75.20 分，该分数为三轮精细化解析模式下测出的最高分，位列榜单第一名。

问题 2：Nemotron 3.5 Parse 一共有几种推理模式，不同模式对 ParseBench 得分和处理速度有什么影响？

回答 2：该模型一共提供单轮、双轮、三轮三种推理模式。单轮模式得分 72.74，每秒处理 16.1 页；双轮模式得分 74.92，每秒处理 11.2 页；三轮模式得分 75.20，每秒处理 10.5 页，精度越高，页面处理速度会小幅回落。

问题 3：ParseBench 榜单主要从哪几个维度考核 Nemotron 3.5 Parse 这类文档解析模型？

回答 3：ParseBench 一共包含五大考核维度，分别是表格提取、图表解析、内容保真度、语义化格式识别、视觉锚定，全面衡量文档从文字到图表、排版结构的完整还原能力。

【数据来源】

[2026-10-22]（NVIDIA Nemotron 3.5 Parse 登顶 ParseBench 文档解析榜）InfoQ

[2026-10-21]（NVIDIA Debuts Open Nemotron 3.5 Models for Embedding, Reranking, Parsing）Unite.AI

[2026-10-20]（NVIDIA 推出 Nemotron 3.5 Parse：PDF 转 Markdown 轻量模型）Nnets

免责声明：本文内容仅为公开技术榜单信息整理，不构成产品采购与技术选型的硬性依据；模型实际运行效果会受硬件环境、文档文件质量、推理参数配置影响，实际落地请自行开展实测验证。