CodeFormula
docling-project基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
入力 未確認→ 出力 未確認
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗DISCOVER & COMPARE
AIモデルを探す 21
CodeFormulaV2
docling-projectThe **Code Formula Model** processes an image of a code snippet or formula at 120 DPI and outputs its content. - **Code Snippets**: The model identifies the programming language and outputs the code repsecting the indendation shown in the given image. The output format will be: " \_> \ " Example: " System.out.println("Hello World.");" This model was trained using the following two datasets: 1. https://huggingface.co/datasets/ds4sd/SynthFormulaNet 2. https://huggingface.co/datasets/ds4sd/SynthCodeNet
翻訳待ち・原文を表示
入力 未確認→ 出力 未確認
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗DeskForge-Gemma4-E4B
docling-project**DeskForge-Gemma4-E4B** is Gemma 4 E4B (instruction-tuned) fine-tuned on 200K grounding examples from DeskForge-1M. Given a desktop screenshot and a natural-language instruction, it answers with the next action as a `pyautogui` call whose coordinates are fractions of the screen. **Live demo** · **Project page** · **Dataset** · **Code** · **Paper** · Also available: DeskForge-Qwen3.5-4B **Grounding on DeskForge-1M held-out conditions** (accuracy, %). New Scenes are unseen scenes with seen attributes; Theme, App and Resolution hold an appearance preset, three applications and a display resolution out of training entirely.
翻訳待ち・原文を表示
入力 テキスト · 画像→ 出力 テキスト
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗DeskForge-Qwen3.5-4B
docling-project**News — v1.1:** Updated fine-tuning with additional GUI workflows improves performance on all five external grounding benchmarks. The original paper checkpoint remains available at revision `v1.0`. **DeskForge-Qwen3.5-4B** is Qwen3.5-4B fine-tuned for desktop GUI grounding and next-action prediction using grounding and GUI-workflow supervision. Given a desktop screenshot and a natural-language instruction, it answers with the next action as a `pyautogui` call whose coordinates are fractions of the screen. **Live demo** · **Project page** · **Dataset** · **Code** · **Paper** · Also available: DeskForge-Gemma4-E4B
翻訳待ち・原文を表示
入力 テキスト · 画像→ 出力 テキスト
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗docling-layout-egret-large
docling-project📄 For an in-depth description of the model architecture, training datasets, and evaluation methodology, please refer to our technical report: **"Advanced Layout Analysis Models for Docling"**, Nikolaos Livathinos *et al.*, 🔗 https://arxiv.org/abs/2509.11720
翻訳待ち・原文を表示
入力 未確認→ 出力 未確認
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗docling-layout-egret-medium
docling-project基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
入力 未確認→ 出力 未確認
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗docling-layout-egret-xlarge
docling-project📄 For an in-depth description of the model architecture, training datasets, and evaluation methodology, please refer to our technical report: **"Advanced Layout Analysis Models for Docling"**, Nikolaos Livathinos *et al.*, 🔗 https://arxiv.org/abs/2509.11720
翻訳待ち・原文を表示
入力 未確認→ 出力 未確認
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗docling-layout-heron
docling-project🚀 **`heron`** is the **default layout analysis model** of the Docling project, designed for robust and high-quality document layout understanding. 📄 For an in-depth description of the model architecture, training datasets, and evaluation methodology, please refer to our technical report: **"Advanced Layout Analysis Models for Docling"**, Nikolaos Livathinos *et al.*, 🔗 https://arxiv.org/abs/2509.11720
翻訳待ち・原文を表示
入力 テキスト→ 出力 テキスト
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗docling-layout-heron-101
docling-project🚀 **`heron-101`** is a Document Layout Analysis Model used in the Docling project. 📄 For an in-depth description of the model architecture, training datasets, and evaluation methodology, please refer to our technical report: **"Advanced Layout Analysis Models for Docling"**, Nikolaos Livathinos *et al.*, 🔗 https://arxiv.org/abs/2509.11720
翻訳待ち・原文を表示
入力 未確認→ 出力 未確認
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗docling-layout-heron-onnx
docling-projectThis is an ONNX export of the docling-layout-heron model. Please refer to the original model card for more details.
翻訳待ち・原文を表示
入力 未確認→ 出力 未確認
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗docling-layout-old
docling-project`docling-layout-old` is the old Layout Model of Docling project. This model uses the RT-DETR architecture and has been trained from scratch on a variety of document datasets.
翻訳待ち・原文を表示
入力 未確認→ 出力 未確認
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗docling-models
docling-projectThis page contains models that power the PDF document converion package docling. The layout model will take an image from a page and apply RT-DETR model in order to find different layout components. It currently detects the labels: Caption, Footnote, Formula, List-item, Page-footer, Page-header, Picture, Section-header, Table, Text, Title. As a reference (from the DocLayNet-paper), this is the performance of standard object detection methods on the DocLayNet dataset compared to human evaluation, The tableformer model will identify the structure of the table, starting from an image of a table. It uses the predicted table regions of the layout model to identify the tables. Tableformer has SOTA table structure identification,
翻訳待ち・原文を表示
入力 テキスト→ 出力 テキスト
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗DocumentFigureClassifier
docling-projectThis is an image classification model based on **Google EfficientNet-B0**, fine-tuned to classify input images into one of the following 16 categories: 1. **bar_chart** 2. **bar_code** 3. **chemistry_markush_structure** 4. **chemistry_molecular_structure** 5. **flow_chart** 6. **icon** 7. **line_chart** 8. **logo** 9. **map** 10. **other** 11. **pie_chart** 12. **qr_code** 13. **remote_sensing** 14. **screenshot** 15. **signature** 16. **stamp**
翻訳待ち・原文を表示
入力 未確認→ 出力 未確認
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗DocumentFigureClassifier-v2.0
docling-projectThis is an image classification model based on **Google EfficientNet-B0**, fine-tuned to classify input images into one of the following 26 categories: 1. **logo** 2. **photograph** 3. **icon** 4. **engineering_drawing** 5. **line_chart** 6. **bar_chart** 7. **other** 8. **table** 9. **flow_chart** 10. **screenshot_from_computer** 11. **signature** 12. **screenshot_from_manual** 13. **geographical_map** 14. **pie_chart** 15. **page_thumbnail** 16. **stamp** 17. **music** 18. **calendar** 19. **qr_code** 20. **bar_code** 21. **full_page_image** 22. **scatter_plot** 23. **chemistry_structure** 24. **topographical_map** 25. **crossword_puzzle** 26. **box_plot**
翻訳待ち・原文を表示
入力 未確認→ 出力 未確認
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗DocumentFigureClassifier-v2.5
docling-projectThis is an image classification model based on **Google EfficientNet-B0**, fine-tuned on a subset of the subset of HuggingFace/finepdfs to classify document figures into one of the following 26 categories: 1. **logo** 2. **photograph** 3. **icon** 4. **engineering_drawing** 5. **line_chart** 6. **bar_chart** 7. **other** 8. **table** 9. **flow_chart** 10. **screenshot_from_computer** 11. **signature** 12. **screenshot_from_manual** 13. **geographical_map** 14. **pie_chart** 15. **page_thumbnail** 16. **stamp** 17. **music** 18. **calendar** 19. **qr_code** 20. **bar_code** 21. **full_page_image** 22. **scatter_plot** 23. **chemistry_structure** 24. **topographical_map** 25. **crossword_puzzle** 26. **box_plot** **Note:** This model uses the same architecture and implementation as v2.0. The improved performance is achieved by training on a dataset that is 10 times larger than the one used for v2.0.
翻訳待ち・原文を表示
入力 画像→ 出力 未確認
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗granite-docling-2stage-258m
docling-project基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
基本情報を収録・詳細は順次追加
入力 テキスト · 画像→ 出力 テキスト
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗ScreenParser
docling-project基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
基本情報を収録・詳細は順次追加
入力 画像→ 出力 未確認
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗ScreenVLM
docling-project基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
基本情報を収録・詳細は順次追加
入力 テキスト · 画像→ 出力 テキスト
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗SmolDocling-256M-preview
docling-project📢 New Release: We’ve released granite-docling-258M , the successor to SmolDocling . It will now receive updates and support, check it out! SmolDocling-256M-preview SmolDocling is a multimodal Image-Text-to-Text model designed for efficient document conversion. It retains Docling's most popular features while ensuring full compatibility with Docling through seamless support for DoclingDocuments . This model was presented in the paper SmolDocling: An ultra-compact vision-language model for end-to-end multi-modal document conversion.
翻訳待ち・原文を表示
入力 テキスト · 画像→ 出力 テキスト
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗SmolDocling-256M-preview-mlx-bf16
docling-project基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
入力 テキスト · 画像→ 出力 テキスト
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗TableFormerV2
docling-project> [!WARNING] > **Preview model.** TableFormerV2 is a preview release. Its weights, outputs, and > integration options can change in future releases without notice. The default > table structure model in Docling is still > TableFormer V1. TableFormerV2 is a table structure recognition model for Docling. It takes an image of a table and predicts its structure as an OTSL token sequence, together with a bounding box for each cell. Docling then maps the cells back to the text of the document to build a `TableItem` in the `DoclingDocument`. Docling downloads the weights from this repository automatically the first time you use the model. To download them before you run a conversion (for example, for offline use), run:
翻訳待ち・原文を表示
入力 画像→ 出力 テキスト
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗該当するモデルがありません
提供元・分類・入出力の条件を変更してください。新しいモデルを随時追加しています。
COST EXPLORER
モデル選びに、費用の視点も。
月間トークン数を調整してAPI費用を比較。
1 M = 100万トークン・米ドル
同一チャネルの基本テキスト料金を比較
同一チャネルの基本テキスト料金を比較
収集済みの比較可能な100万トークン当たり米ドル料金です。キャッシュ割引、段階料金、追加推論出力、税金は含みません。最新料金は出典で確認してください。
MODEL HANDBOOK
モデルを理解して選ぶ
API料金はどう比較しますか？+
入力・出力・キャッシュ料金を分け、同じ用途と使用量で総費用を比較します。画像・音声・動画は枚数、時間、解像度で課金される場合があります。
オープンウェイトは無料で商用利用できますか？+
必ずしもそうではありません。バージョンごとのライセンス、商用制限、ポリシーを確認してください。自前運用には計算資源と保守費用も必要です。
ランキング1位が最適ですか？+
順位はテスト、バージョン、評価方法によります。実際の業務データで精度、遅延、安定性、費用を比較してください。