최근 대규모 다중 모달 모델 (Large Multimodal Models, LMMs) 은 광학 문자 인식 (Optical Character Recognition, OCR) 작업에서 강력한 성능을 보이며 문서 문해력 (document literacy) 능력의 가능성을 입증했습니다. 그러나 기존 벤치마크는 실제 응용과 맞지 않은 작업 범위를 사용하고 균일한 획득 조건을 가정함으로써, 실제 응용에서의 효과성은 충분히 탐구되지 않았습니다. 이 격차를 해소하기 위해 우리는 실제 문서 처리에 맞춤화된 종합적이고 도전적인 OCR 벤치마크인 CC-OCR V2 를 소개합니다. CC-OCR V2 는 실용적인 기업 문서 처리 작업을 중점적으로 다루며, 기존 벤치마크에서 중요하지만 부족하게 표현된 난이도와 모서리 사례를 포함하여 5 개의 주요 OCR 중심 트랙을 커버합니다: 문자 인식 (text recognition), 문서 파싱 (document parsing), 문서 그라운드링 (document grounding), 핵심 정보 추출 (key information extraction), 및 문서 질문 답변 (document question answering). 총 7,093 개의 고난도 샘플로 구성되었습니다. 14 개의 고급 LMMs 에서 수행된 광범위한 실험은 현재 모델이 실제 응용 요구 사항을 충족하지 못함을 보여줍니다. 최첨단 LMMs 도 다양한 작업과 시나리오에서 상당한 성능 저하를 보입니다. 이러한 발견은 현재 벤치마크의 성능과 실제 응용의 효과성 사이의 큰 격차를 드러냅니다. 우리는 완전한 데이터셋과 평가 툴킷을 https://github.com/eioss/CC-OCR-V2 에서 공개합니다.