小米开源0.8B文档理解模型Xiaomi-OCR-0
小米发布并开源Xiaomi-OCR-0，参数规模为0.8B，将文档解析、关键信息抽取和OCR视觉问答整合在同一模型中。据IT之家和智东西报道，该模型可识别正文、表格和数学公式，支持Markdown、LaTeX及JSON等结构化输出，并提供推理代码、浏览器Demo、MCP服务和Agent Skill工具包。小米公布的评测显示，Xiaomi-OCR-0在OmniDocBench v1.6得分96.83，在1B以下模型中排名第一，但相关成绩主要来自厂商披露。
Xiaomi-OCR-0以较小参数规模整合多类文档理解能力，并同步开放权重、代码和智能体工具，为端侧文档自动化及业务集成提供了可直接评估的方案。
IT之家 10 月 30 日消息，小米官方今日宣布开源轻量级文档理解模型 Xiaomi-OCR-0，模型权重与推理代码已同步上线 Hugging Face 和 GitHub。
官方给出的参数规模为 0.8B，定位是单一模型同时覆盖文档解析、关键信息抽取与 OCR 视觉问答三类任务。
在文档解析方向，该模型可识别正文、表格与数学公式，按阅读顺序输出结构化结果，原生支持 Markdown、LaTeX 格式。关键信息抽取面向发票、收据、卡证和业务表单，依据指定字段定位并输出 JSON 等结构化数据，可接入自动化处理流程。
OCR 视觉问答则允许围绕文档与图表内容进行跨区域检索、数值计算和语义推理，而非仅做文字转写。小米方面表示，这一组合覆盖了从底层文字感知到高层内容理解的链路。
#Xiaomi#Xiaomi-OCR-0#Qwen3.5-0.8B-Base#HunyuanOCR-1.5#TokenVL-2B#TextHawk2#Qwen3.5-2B#MiniCPM-V-4.5#Qwen3.5-4B#Super Xiaoai