Youtu-Parsing-Omni：统一编码器与模式的多模态解析模型

Youtu-Parsing-Omni 是一个统一编码器和模式的多模态解析模型，能将文档、图像、音频和视频转换为时空锚定的结构化记录，支持智能体跨模态读取与引用证据。模型基于单个5B参数检查点，在OmniDocBench v1.6上取得96.96分，领先所有开源模型在OmniParsingBench上75.08分，尤其在音频和视频任务上表现突出。代码与模型权重已公开。