OCR结合大模型识别图片文字成为一种新兴的技术方向。相比传统OCR工具，大模型具有更强的内容理解和格式化输出能力，但也存在计算资源需求高、训练成本昂贵等缺点。目前，通义千问、文心一言等平台都提供了相关能力，其中通义千问开源的Qwen2-VL系列模型支持多种框架集成，开发者可以通过Hugging Face和ModelScope平台获取使用。在图片验证码识别等实际应用场景中，大模型展现出良好的识别效果。