跳到正文
新浪科技·· 23 天前AI 評分58

小米發布並開源 0.8B 文件理解模型 Xiaomi-OCR-0

小尺寸全能王!小米宣布开源0.8B OCR模型:三大核心能力拉满

AI 導讀

小米技術發布並開源 0.8B 參數的文件理解模型 Xiaomi-OCR-0,整合文件解析、關鍵資訊抽取及 OCR 視覺問答。

正文

快科技10月31日消息,日前,小米技术宣布,正式发布并开源轻量级全能文档理解模型Xiaomi-OCR-0,号称“小尺寸全能王”

该模型仅有0.8B(8亿)参数,却集文档解析、关键信息抽取、OCR视觉问答三大核心能力于一身,在多项基准测试中取得领先成绩。

与传统OCR主要识别文字不同,Xiaomi-OCR-0不仅能识别文档中的文字,还能理解复杂结构和内容,实现从文字识别到文档理解的升级。

具体来看,Xiaomi-OCR-0拥有三大核心能力:

文档解析:能够精准识别并还原正文、复杂表格和数学公式,按照自然阅读顺序生成结构化结果,支持Markdown、LaTeX等格式输出。

关键信息抽取:可从发票、收据、卡证及业务表单中提取指定字段,直接生成JSON等结构化数据。

OCR视觉问答:支持围绕文档、图表内容进行信息检索、数值计算和语义推理,实现对视觉文本的深度理解。

性能方面,根据小米公布的测试结果,Xiaomi-OCR-0在Real5-OmniDocBench基准测试中取得95.24分,在参与对比的模型中排名第一。

在OmniDocBench v1.6综合测试中,该模型以96.83分排名总榜第二,在1B以下模型中位列第一。

此外,在五项主流OCR视觉问答基准测试中,Xiaomi-OCR-0取得83.2分的平均成绩,超越部分参数规模更大的模型,包括8B参数的MiniCPM-V-4.5。

据了解,Xiaomi-OCR-0基于Qwen3.5-0.8B-Base构建,训练使用了约1.7亿条高质量OCR与文档理解样本。

目前,相关技术正融入小米手机和超级小爱的日常使用场景,可实现取餐码提取、账单智能记账、卡证信息识别以及日程创建等功能。

小米现已开源模型权重、推理代码,并提供浏览器交互式Demo、MCP服务及Agent Skill工具包,方便开发者接入使用。

【本文结束】如需转载请务必注明出处:快科技

责任编辑:拾柒

新浪众测 新浪众测

新浪科技公众号

新浪科技公众号

“掌”握科技鲜闻 (微信搜索techsina或扫描左侧二维码关注)

科学大家

新浪科技

新浪科技为你带来最新鲜的科技资讯

苹果汇

苹果汇为你带来最新鲜的苹果产品新闻

新浪众测

新酷产品第一时间免费试玩

新浪探索

提供最新的科学家新闻,精彩的震撼图片

來源:新浪科技 · finance.sina.com.cn