2025年9月20日，IBM正式推出小型视觉语言模型Granite-Docling-258M，专注于端到端的文档转换任务。该模型已依据Apache 2.0开源协议发布，并上线于主流模型平台，供开发者自由获取与使用。

该模型参数规模为2.58亿，定位为面向文档与表格处理的轻量化解决方案，能够有效保留原始文件中的版面结构，包括表格、数学公式、列表及代码块等复杂元素。相较于传统OCR技术，其在识别精度方面表现更优，尤其在结构化信息提取上具备显著优势。

模型的核心技术基于DocTags，这是由IBM研究团队开发的一套通用文档结构标记语言。DocTags可精准描述页面中各元素的类型、位置坐标、阅读顺序以及元素之间的逻辑关系。通过将内容与版式分离，模型采用“先定位后识别”的处理流程，提升整体解析效率。完成识别后，结果可直接输出为Markdown、JSON或HTML等标准格式，亦可接入Docling工具库进行后续处理。

目前，Granite-Docling已支持中文、阿拉伯语和日语等多种语言，但尚未完全达到企业级应用所需的稳定性和覆盖广度。IBM表示，后续将持续扩展语言支持范围，并优化模型的准确性与鲁棒性。同时，团队计划增强DocTags与旗下AI平台模型的兼容能力，进一步将其词汇体系整合进Granite系列模型的分词器及训练流程中，以推动文档智能处理能力的整体提升。