LightOnOCR-3 0.8B no puede manejar un navegador con sesión iniciada: es un modelo de OCR y lectura de documentos. Úsalo con una captura o página PDF guardada localmente y entrega el texto a otro agente local que ejecute Tabbit CLI. Ese agente puede revisar la página autenticada y preparar un borrador. La ficha describe modos de transcripción y localización, no herramientas de navegador. Un reto de OCR en Reddit muestra por qué hace falta revisión humana: algunos sistemas omiten tachados o deforman tablas. Ficha del modelo · Reto original · Debate de OCR en Hacker News
Puntos clave
El modelo recibe una imagen y devuelve texto. No navega, inicia sesión, planifica pasos ni llama a Tabbit CLI.
La ficha describe transcripción y grounding con cuadros delimitadores. Ambos son extracción, no autorización.
Usa una captura guardada o una página PDF renderizada localmente. No pidas al OCR que abra sitios.
Otro agente local, por ejemplo Codex con la skill Tabbit, puede comparar el texto con la página real y preparar un borrador.
Revisa IDs, fechas, importes, orden de tablas, tachados y escaneos de baja calidad.
Asigna a cada herramienta una tarea
| Componente | Trabajo adecuado | No le corresponde |
|---|---|---|
| LightOnOCR-3 0.8B | Extraer texto visible o bloques localizados de una imagen local. | Navegar, autenticarse, seleccionar registros o hacer clic. |
| Persona o agente local | Elegir el archivo, corregir OCR y decidir qué registro comprobar. | Tratar el OCR como dato verificado del sitio. |
| Tabbit CLI en agente local | Abrir el perfil autenticado, leer la página correspondiente y preparar un borrador. | Guardar o enviar cambios sin revisión. |
La ficha indica licencia Apache 2.0 y describe 0.8B como la variante más pequeña. Incluye un ejemplo Transformers image-text-to-text: un prompt vacío devuelve Markdown; grounding añade etiquetas y cuadros. Sigue las instrucciones de tu versión de Transformers y verifica el hardware local. Ficha y ejemplos · Repositorio
Lee una imagen guardada
Guarda una captura o renderiza una página PDF como imagen. Comprueba que tienes permiso para procesar el archivo. Ejecuta localmente el ejemplo de Transformers y guarda el resultado separado para compararlo con la imagen.
Lee solo la imagen local adjunta. No infieras texto que no se vea.
Devuelve ID, fecha, estado, importe y etiquetas de filas visibles.
Conserva el orden original. Marca caracteres inciertos como [ilegible] y campos ausentes como [no visible].
Si hay texto tachado, conserva tanto el texto tachado como el sustituto y etiquétalos.
Cuando sea posible, indica la región o cuadro de cada campo.
No navegues, uses herramientas, inicies sesión ni propongas acciones de navegador.La salida debe ser una transcripción breve con incertidumbres marcadas, no una garantía de exactitud. En Reddit, un usuario observó que herramientas OCR fallaban con tachados y tablas; Hacker News también advirtió sobre texto omitido o inventado. No son evaluaciones de LightOnOCR-3, pero justifican una comparación manual. Reto de Reddit · Debate de Hacker News
Entrega el resultado a un agente local con Tabbit
Abre el mismo registro en el perfil de Tabbit y entra tú. En Codex, abre /skills y verifica que existe tabbit. El selector de skills no da acceso a comandos locales. Sigue la guía de Tabbit CLI y confirma que el lanzador llega a la instancia esperada. Pi usa /skill:tabbit; OpenCode documenta @tabbit. Configuración de Codex · Skills de Pi · Skills de OpenCode
Entrega el texto como indicio, no como verdad:
Usa Tabbit para abrir el [sitio aprobado] con sesión y revisar solo el registro [ID OCR].
No des por verificado el OCR. Compara cada campo con la página visible.
No edites, guardes, envíes, apruebes ni confirmes nada.
Devuelve ID, fecha, estado, importe y URL exactos. Señala diferencias con el OCR.
Prepara un borrador llamado "Contraste OCR — [fecha]" con la comparación y dudas.
Detente antes de guardar o enviar y muéstrame el borrador y la página.La tabla final debe mostrar valor OCR, valor de página y coincidencia. Si el ID difiere, no abras un registro parecido. Sigue la lista de primera tarea y la guía de reutilización de sesión. La sesión puede caducar. Conectar un agente a un navegador existente explica los límites del perfil.
Revisa antes de actuar
| Campo | Comparación | Revisión manual obligatoria si |
|---|---|---|
| ID | Compara cada carácter con URL y título. | Hay caracteres parecidos o falta el ID. |
| Fecha e importe | Verifica puntuación, moneda y tachados. | La imagen tiene poco contraste o el número afecta una decisión. |
| Orden | Confirma que etiqueta y valor siguen en la misma fila. | Hay columnas combinadas o giradas. |
| Borrador | Cada frase enlaza con la página real. | Un dato procede solo del OCR o de una inferencia. |
LightOnOCR-3 0.8B sirve para transcribir una captura o página escaneada antes de que una persona o agente aparte use el sitio. No debe planificar ni pulsar. Mantén explícita la entrega: imagen local al OCR, texto a una persona o agente, y después una comprobación de solo lectura en Tabbit con borrador visible. Lee sobre agentes de navegador, CLI frente a MCP y la guía completa de CLI. Para separar tareas, consulta la guía de perfiles, espacios de trabajo y grupos de pestañas.
Preguntas frecuentes
¿LightOnOCR-3 0.8B puede operar el navegador?
No. Lee imágenes y devuelve texto, pero no navega, inicia sesión, planifica pasos ni usa Tabbit CLI.
¿Cómo paso OCR a Tabbit?
Entrega el texto a un agente local distinto como pista. Pídele comparar el registro real y crear un borrador.
¿El texto OCR es un dato verificado?
No. Comprueba ID, fecha, importe, orden de tabla y caracteres dudosos con la imagen y la página real.
¿El modelo OCR puede invocar la skill Tabbit?
No se ha verificado esa integración. El usuario o un agente local separado debe hacer el traspaso.
¿Cuál es una primera tarea segura?
Transcribir una imagen local y leer un registro coincidente en Tabbit sin editar ni enviar nada.