2.7억 파라미터로 아랍어 OCR 2위, Falcon OCR Arabic

아랍에미리트 기술혁신연구소(TII)가 기존 Falcon OCR을 아랍어 문서에 맞게 확장한 Falcon-OCR-Arabic을 공개했다. 270M 파라미터의 early-fusion 구조를 지도학습 미세조정과 강화학습 두 단계로 아랍어에 적응시켰고, 웹 플레이그라운드에서 바로 써 볼 수 있다.

"Falcon-OCR-Arabic ranks #2 of 17 models with 81.9% text accuracy, behind only Gemini 3.5 Flash."TII, Falcon OCR Arabic (Hugging Face Blog)

왜 중요한가

11,974개 샘플로 만든 자체 벤치마크에서 텍스트 정확도는 81.9%로 2위, 표 구조 인식(Table TEDS)은 59.95%로 2위보다 8.65점 앞선 1위다. 파라미터가 1,500배 많은 Qwen 3.5 397B보다 14.5점 높았고, 적응 전 기반 모델 대비 정확도를 55.4%에서 81.9%로 끌어올렸다. 거대 범용 모델이 아니라 언어·작업에 특화된 소형 모델이 실무 문서 처리에서 충분히 경쟁력 있다는 근거다.

실무 적용

공문서·행정 서식·영수증·인보이스 범주에서 1위를 차지했다는 점은 문서 자동화 서비스에 바로 의미가 있다. 다국어 서비스를 만든다면 모든 언어를 대형 API 하나로 처리하기보다, 비중 큰 언어·문서 유형에 특화 소형 모델을 붙여 비용과 지연을 줄이는 구성을 검토할 만하다. 다만 벤치마크가 자체 구축이므로 도입 전 자사 문서로 재검증은 필수다.

교차 참고

• Hugging Face: tiiuae/Falcon-OCR — 아랍어 버전의 바탕이 된 Falcon OCR 모델 카드.
• Hugging Face Blog: Falcon Perception — 같은 early-fusion 구조로 이미지·텍스트를 한 시퀀스에서 다루는 0.6B 그라운딩·분할 모델.

Wemeet의 관점

Wemeet은 "작지만 정확한 모델"이 앞으로 AI 도입의 현실적인 기본값이 될 것이라고 본다. 한국어 서식·영수증처럼 도메인이 분명한 문제라면 거대 모델 호출보다 특화 모델이 비용·속도·데이터 통제 모두에서 유리할 수 있다. 어떤 모델이 1등인지보다 우리 문서에서 몇 점이 나오는지를 먼저 재 보자.