MonkeyOCRv2는 문서 이미지에 특화된 시각-텍스트 기반 모델로, 113만 장의 이미지로 구성된 MonkeyDoc v2 데이터셋으로 학습했어요. 이미지-텍스트 생성과 픽셀 단위 문서 재구축을 결합한 새로운 사전 학습 전략을 통해 문자 수준의 시각적 인식 능력을 향상시켰어요. 문서 분석 5가지 작업에서 성능을 개선했으며, 17개 언어의 문서를 처리하는 0.7B 파라미터 규모의 문서 파싱 모델로 오픈 소스 최고 성능을 달성했어요.