Zyphra发布了Zamba2-VL系列开放视觉语言模型，包含12亿、27亿和70亿参数。该模型采用混合SSM-Transformer架构，支持图像与文本的理解与关联，推理速度快，适用于文档提取和库存盘点等场景。尽管在知识推理方面表现不如大型模型，但在视觉计数和文档理解上具有优势。模型权重和推理代码已公开。

Zephyr 7b LLM与LlamaIndex的结合有效解决了光学字符识别（OCR）在图像文档提取中的挑战。通过先进的机器学习算法和上下文理解，提升了提取精度，适应多种文档格式和语言，优化了工作流程，增强了数据提取效率，促进了决策过程。