小尺寸全能王！小米宣布开源0.8 B OCR模型：三大核心能力拉满
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：
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）
大厂醒悟了，卷模型不如卖芯片
A社“AI末日”资本黑手被揪出，炒作焦虑为IPO圈钱！难怪仇视DeepSeek开源
中银基金换帅：风控“守门”，难破“偏科”
自曝拉黑母亲！张雪怒斥家人被当流量入口
《影之刃零》“甄子丹”太难打上热搜！首日Steam在线峰值超72万
张雪：我已经把我妈拉黑了
谷歌、苹果被罚！强迫开发者应用内支付：抽佣30%
微信小程序钱包请等等走红：30万年轻人排队求陌生人管住钱包
从腕上到指尖的睡眠革命，ISHO RING智能戒指正式发布，售价1799元起
开机广告没了！把电视开机第一秒还给观众
上单369摇到“999”！TES让一追二击败BLG晋级S16八强
速速自查！群晖NAS惊爆大规模勒索攻击：官方证实呼吁立即更新
梁文锋千亿融资细节曝光：近30家机构，腾讯宁王领跑，vivo入局，国资占比 27%
张雪：我已经把我妈拉黑了
小米出资17亿元入股欣旺达：仅次于理想成第三大股东
阿维塔新车线上发布会取消
比亚迪发布2026年三季报：营收2215亿元，净利润100亿元同比增长28%
比亚迪预热仰望鼎曜超豪华行政旗舰轿车：近 90° 开合角度对开门
被造谣成日本货，山下有松急了！山西老板把国产女包卖到4000元，中产和外国人排队买单
第 20 万台理想 i6 下线，高管称产能爬坡的速度提上来了
专科生用10年干到年薪60万！张雪：他股份估值将上亿 你们起点高怕什么
在国外赚翻了！比亚迪前三季度海外销量近乎翻倍：吉利大涨169%
科技还没跌透，但市场已经顶不住了