小米正式开源了轻量级文档理解大模型 Xiaomi-OCR-0！模型参数量仅为 0.8B，却在文档解析精度和端侧/本地化落地潜力上展现出了极强的竞争力。 📌 … · @realfxw · TwKit

@realfxw

小米正式开源了轻量级文档理解大模型 Xiaomi-OCR-0！模型参数量仅为 0.8B，却在文档解析精度和端侧/本地化落地潜力上展现出了极强的竞争力。 📌 核心亮点速览： 极致轻量，战力越级在参数量小于 1B 的模型中，Xiaomi-OCR-0 在 OmniDocBench v1.6 基准上斩获文档解析性能第一名；在 Real5-OmniDocBench 上取得 95.24 的高分，在五项面向 OCR 的 VQA 基准测试中平均分达到 83.2，能够从容应对密集数学公式、复杂排版与长文档。 三合一多任务架构模型将高精度文档解析（Document Parsing）、关键信息抽取（Key Information Extraction）与 OCR 导向的视觉问答（VQA）整合进单个轻量模型中，不仅能识字，更能理解版面语义与结构逻辑。 原生适配 Agent 生态除了开源模型权重与推理代码外，官方还同步提供了 MCP（Model Context Protocol）服务 与 Agent Skill。这意味着开发者构建的各类 AI Agent 可以直接在本地轻量调用该模型充当“文档感知眼睛”，无需繁琐的胶水代码，大幅降低了端侧与本地 Agent 的接入成本。 对于需要在 Mac、边缘设备或低算力服务器上低成本部署文档解析与自动化工作流的开发者来说，这款 0.8B 的模型是一个兼顾速度与精度的利器。 模型地址：https://huggingface.co/xiaomi-research/Xiaomi-OCR-0 https://x.com/XiaomiTech_/status/2116154468358316380/video/1

曝光 111 · 评论 1 · 点赞 1 · 书签 1