类似阿里Qwen3-VL-8B这种视觉模型，可以直接生成结构化数据。

比如说图1的发票，可以直接给你生成json，那么你的发票数据就可以直接用程序处理了。
想象一下，你有几百张，甚至几千张发票，你一张一张录入，要搞死你。
这个模型一下就全给你搞到电脑里面去了，你就核对一下即可。

8B的模型，效果还是差一些，模型比较大的，就挺准的。
迟早有一天，在这个方面，模型会超过人的识别能力。

我们帮人搞了一个这种系统，客户觉得非常满意。