Benchmarks · ParseBench by LlamaIndex

Ranked #1 of 33 in document parsing.

보험, 금융, 공공 분야의 기업 문서 1,211건(약 2,000쪽)을 대상으로 표, 차트, 내용 충실도, 서식, 레이아웃을 종합 검증한 공개 벤치마크입니다. KDL의 1.2B 파서가 2026년 6월 처음 평균 점수 1위에 올랐고, 10월 13일 현재도 1위입니다.

76.36

Mean of 5 dimensions · Hugging Face leaderboard

Holding #1 · Oct 13, 2026 · first #1 in June 2026

#1Mean score among 33 models on the Hugging Face leaderboard
Top 5In tables, layout, formatting and charts at once. No other model does.
1.2BParameters. 23 times smaller than the 27B general model it outscores.
0Failures across 2,553 test cases in a single pass

Leaderboard · mean score

Ahead of models from the largest labs.

알리바바, 텐센트, 딥시크, 엔비디아의 모델을 제치고, 1.2B KDL 파서가 평균 점수 1위에 올랐습니다.

View on Hugging Face

Score vs. size

Small enough for
one server in a closed network.

수백억 파라미터 규모의 거대 모델 대비 1.2B 소형 모델로 더 높은 파싱 점수를 기록했습니다. 금융 및 공공 기관의 폐쇄망 단일 서버 환경에 그대로 탑재할 수 있습니다.

204060801B10B100B1TParameters (log scale)ParseBench meanKDL 76.36LightOnOCR-3-4B · LightOn · 4.5B · 75.10LightOnOCR-3-0.8B · LightOn · 0.9B · 74.60Infinity-Parser2-Pro · INF · 35.1B · 74.30Infinity-Parser2-Flash · INF · 2.2B · 73.25MinerU2.5-Pro-2605-1.2B · OpenDataLab · 1.2B · 72.78LightOnOCR-3-1B · LightOn · 1.0B · 71.40Qwen3.8-27B · 27.8B · 70.79GLM-5.3-Flash · Zhipu · 321B · 70.75chandra-ocr-2 · Datalab · 5.3B · 70.10PaddleOCR-VL-1.6 · PaddlePaddle · 1.0B · 67.43PaddleOCR-VL-1.5 · PaddlePaddle · 1.0B · 65.95surya-ocr-2 · Datalab · 0.7B · 64.83HunyuanOCR · 1.1B · 63.86TeleOCR · XingChen · 1.4B · 58.67DeepSeek-V4.1-Flash · 763B · 56.57dots.mocr · dots · 3.0B · 55.80Falcon-OCR · TII · 0.3B · 53.08Nemotron-3-Nano-Omni-30B · 33.0B · 48.51LightOnOCR-2-1B · LightOn · 1.0B · 48.00Qwen3-VL-8B-Instruct · Qwen · 8.8B · 46.80Qianfan-OCR · Baidu · 4.7B · 46.20Unlimited-OCR · Baidu · 3.3B · 46.17jina-ocr-v1 · Jina · 3.4B · 45.93MinerU2.5-2509-1.2B · OpenDataLab · 1.2B · 45.90Qwen3.6-35B-A3B · Qwen · 36.0B · 44.10MinerU-Diffusion-2.5B · OpenDataLab · 2.7B · 42.63DeepSeek-OCR-2 · DeepSeek · 3.4B · 41.20granite-vision-4.1-4b · IBM · 4.0B · 39.45WeVisDoc-2B · Tencent · 2.4B · 38.93WeVisDoc-4B · Tencent · 4.4B · 36.15GLM-OCR · Zhipu · 1.3B · 29.601.2B · 76.36KDL-Frontier-Parser-nano

By dimension

No single trick.
Strong across the whole page.

특정 요소에만 최적화된 모델은 실제 복합 서류 환경에서 정확도가 급감합니다. KDL 모델은 표, 차트, 서식, 레이아웃 네 영역 모두에서 상위 5위 안에 듭니다.

Tables#4
1. chandra-ocr-289.20
2. GLM-5.3-Flash89.18
3. Infinity-Parser2-Pro86.40
4. KDL-Frontier-Parser-nano85.56
5. dots.mocr85.20
Layout · visual grounding#4
1. Infinity-Parser2-Flash80.61
2. TeleOCR80.14
3. MinerU2.5-Pro-2605-1.2B79.30
4. KDL-Frontier-Parser-nano78.84
5. PaddleOCR-VL-1.677.80
Semantic formatting#3
1. GLM-5.3-Flash79.49
2. LightOnOCR-3-4B67.60
3. KDL-Frontier-Parser-nano66.81
4. Qwen3-VL-8B-Instruct66.80
5. LightOnOCR-3-0.8B66.70
Charts#5
1. Qwen3.8-27B69.17
2. LightOnOCR-3-4B66.10
3. chandra-ocr-265.10
4. LightOnOCR-3-0.8B64.70
5. KDL-Frontier-Parser-nano63.41
DEEP Parser

Behind the model

How we built
a #1 parser at 1.2B.

KDL 연구팀이 1.2B 모델을 어떻게 설계하고 다듬어 1위에 올렸는지, 인터뷰로 직접 이야기합니다.

1.2B 초경량 모델로 구글·GPT를 앞선 문서 파싱 AI, 한국딥러닝은 어떻게 만들었나

Read the interview

Methodology

How the score was measured

The benchmarkLlamaIndex의 ParseBench 평가 체계로 기업 문서 1,211건, 약 2,000쪽 분량을 169,011개의 전문가 검수 규칙으로 측정했습니다.

Five dimensions표의 구조적 정합성, 차트 데이터 값, 텍스트 누락 및 왜곡 여부, 굵기 및 위첨자 서식, 페이지 내 위치 좌표를 종합 채점했습니다.

Single pass공식 벤치마크 실행 도구로 2,553건의 테스트를 단일 파서 모델로 일괄 수행했으며 추론 실패는 0건이었습니다.

Re-measured레이아웃 점수는 ParseBench 운영 측이 공식 평가 지표 기준으로 재측정한 값입니다.

Open weights기본 모델인 nano 모델의 가중치는 Hugging Face에 공개되어 결과를 직접 검증할 수 있으며, 고성능 ultra 모델은 KDL 플랫폼을 통해 제공합니다.

SourcesParseBench leaderboard · KDL-Frontier-Parser-nano · 2026년 10월 13일 기준

Benchmarks are a start.
Try it on your documents.

귀사에서 실제 사용 중인 고난도 서류 샘플로 파싱 성능을 직접 확인해 보실 수 있습니다. 담당 엔지니어가 결과를 함께 검토해 드립니다.

Start for freeOpen weights on Hugging Face