腾讯混元OCR大模型，本地部署，实测

大家好，我是章北海

前文我升了 CUDA、部署了 DeepSeek-OCR
DeepSeek-OCR 本地部署（上）：CUDA 升级 12.9，vLLM 升级至最新稳定版
 DeepSeek-OCR 本地部署（下）：vLLM 离线推理，API 重写，支持本地图片、PDF 解析

重写的 API 也支持 PaddleOCR-VL
本地部署 PaddleOCR，消费级显卡轻松跑，支持本地图片和 PDF 文件

然后腾讯也来了：大模型 OCR 的黄金时代，腾讯开源混元 OCR，文档解析、视觉问答和翻译方面达到 SOTA，文中我提到想等等看新版 vLLM 来了再部署

可是看到 N 多同学部署失败，还有 HunyuanOCR 到底需要多少显存可以跑起来有点疑问。

前文我就提到，可能是官方文档写反了现存和磁盘空间，当时写的是需要 80GB 显存

后来修改成了 20GB

官方文档将显存需求从 80GB 改成了 20GB，即便如此也有点离谱，毕竟只是 1B 的模型

安装及模型启动 - 官方教程

我没有使用官方教程，感觉。。。太麻烦了

1 是失败概率蛮高，依赖太多，安装环境不能用 pip，必须使用 uv

2 是我是在离线环境部署，所以下面方式对我无效

复制代码

  uv venv hunyuanocr
source hunyuanocr/bin/activate

uv pip install -U vllm --pre --extra-index-url https://wheels.vllm.ai/nightly

模型启动就简单了，只要前面 vLLM 安装顺利，下面就几乎不会出问题

出问题，大概率是 CUDA 版本太低造成的，建议 12.9 以上，毕竟未来 vLLM 0.11.1 之后版本默认就要 12.9 起步了

下载好 HunyuanOCR 模型文件后正常启动就行

复制代码

  # 模型启动-官方教程
vllm serve tencent/HunyuanOCR \
    --no-enable-prefix-caching \
    --mm-processor-cache-gb 0 \
    --gpu-memory-utilization 0.2

安装及模型启动 - 我的方式

最省心，省事儿，离线最友好的方式必须是 Docker

第一步，拉取 vllm/vllm-openai 官方镜像，选最近的一个 nightly 即可

复制代码

  docker pull vllm/vllm-openai:nightly

直达：https://hub.docker.com/r/vllm/vllm-openai/tags

第二步，保存镜像到内网，如果本机测试那就没这一步了

第三步，启动模型，核心参数和官方教程没啥区别

复制代码

  docker run --rm --runtime=nvidia --name Hunyuan-ocr --ipc=host --gpus '"device=1"' -p 5000:8000 -v /data/llm-models:/models vllm/vllm-openai:nightly
--model /models/HunyuanOCR --port 8000  --no-enable-prefix-caching --mm-processor-cache-gb 0

我的显卡是 24GB 的 4090

模型只占 1.9GB，其他都是 KV cache 占用

我用了为 DeeoSeekOCR 写的 API，简单修改后依然很好用

速度飞快，5 页的 PDF 也是秒秒钟搞定

回到最开始问题，启动模型加上参数 --gpu-memory-utilization 0.66，也就是 16GB 启动模型，依然是 OK 的

而且速度丝毫没有下降