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。
기본 정보 등록 · 상세 정보 보완 예정
입력 미확인→ 출력 미확인
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗DISCOVER & COMPARE
AI 모델 탐색 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
번역 대기 중 · 원문 표시
입력 미확인→ 출력 미확인
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗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.
번역 대기 중 · 원문 표시
입력 텍스트 · 이미지→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗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
번역 대기 중 · 원문 표시
입력 텍스트 · 이미지→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗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
번역 대기 중 · 원문 표시
입력 미확인→ 출력 미확인
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗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。
기본 정보 등록 · 상세 정보 보완 예정
입력 미확인→ 출력 미확인
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗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
번역 대기 중 · 원문 표시
입력 미확인→ 출력 미확인
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗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
번역 대기 중 · 원문 표시
입력 텍스트→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗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
번역 대기 중 · 원문 표시
입력 미확인→ 출력 미확인
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗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.
번역 대기 중 · 원문 표시
입력 미확인→ 출력 미확인
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗docling-layout-old
docling-projectThis model uses the RT-DETR architecture and has been trained from scratch on a variety of document datasets.
번역 대기 중 · 원문 표시
입력 미확인→ 출력 미확인
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗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,
번역 대기 중 · 원문 표시
입력 텍스트→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗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**
번역 대기 중 · 원문 표시
입력 미확인→ 출력 미확인
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗DocumentFigureClassifier-v2.0
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。
입력 미확인→ 출력 미확인
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗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.
번역 대기 중 · 원문 표시
입력 이미지→ 출력 미확인
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗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。
기본 정보 등록 · 상세 정보 보완 예정
입력 텍스트 · 이미지→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗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。
기본 정보 등록 · 상세 정보 보완 예정
입력 이미지→ 출력 미확인
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗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。
기본 정보 등록 · 상세 정보 보완 예정
입력 텍스트 · 이미지→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗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.
번역 대기 중 · 원문 표시
입력 텍스트 · 이미지→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗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。
기본 정보 등록 · 상세 정보 보완 예정
입력 텍스트 · 이미지→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗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:
번역 대기 중 · 원문 표시
입력 이미지→ 출력 텍스트
요금 미확인멀티모달 및 채널 요금 별도 확인
자세히 보기 ↗일치하는 모델 없음
제공사, 분류, 입출력 조건을 조정하세요. 새 모델이 계속 등록됩니다.
COST EXPLORER
좋은 모델, 명확한 비용.
월간 토큰 사용량으로 예상 API 비용을 비교하세요.
1 M = 100만 토큰 · USD
동일 채널의 기본 텍스트 토큰 요금 비교
동일 채널의 기본 텍스트 토큰 요금 비교
수집된 백만 토큰당 USD 요금입니다. 캐시 할인, 구간 요금, 추가 추론 출력, 세금은 제외됩니다. 최신 요금은 출처에서 확인하세요.
MODEL HANDBOOK
이해하고 선택하세요
API 요금은 어떻게 비교하나요?+
입력, 출력, 캐시 요금을 구분하고 동일 작업량으로 비교하세요. 이미지, 음성, 영상은 개수, 시간, 해상도로 과금될 수 있습니다.
오픈 웨이트는 무료 상업 이용을 뜻하나요?+
반드시 그렇지는 않습니다. 버전별 라이선스, 상업 이용 제한, 정책을 확인하세요. 자체 호스팅에는 연산 및 유지 비용도 듭니다.
1위 모델이 나에게 가장 적합한가요?+
순위는 작업, 버전, 평가 방식에 따라 다릅니다. 실제 업무로 정확도, 지연, 안정성, 비용을 비교하세요.