小米开源0.8B文档理解模型Xiaomi-OCR-0

AI 摘要

小米发布并开源轻量级文档理解模型Xiaomi-OCR-0，仅0.8B参数，将文档解析、关键信息抽取与OCR视觉问答三类能力融于一体。该模型在OmniDocBench v1.6等基准中取得领先成绩，1B以下模型排名第一，并逼近Qwen3.5-4B等更大模型。小米同步公开模型权重、推理代码、MCP服务与Agent Skill工具包，相关技术已融入小米手机与超级小爱的高频场景。

正文节选

智东西（公众号：zhidxcom） 作者 | 李水青 编辑 | 心缘 智东西10月31日报道，昨日晚间，小米发布并开源轻量级全能文档理解模型Xiaomi-OCR-0，仅0.8B（8亿）参数，将文档解析、关键信息抽取与视觉问答三类能力融于一体，并在多项权威基准中取得领先成绩。 很多人遇到过这样的小麻烦：取餐码被消息淹没、海报时间地点还要手动敲进日历、账单金额和商户信息仍需逐项摘录……这指向了一类新需求：手机能否不只“看见”屏幕内容，还能“看懂”信息，并在需要时顺手完成下一步？ Xiaomi-OCR-0正是为此而生。它体量小巧，兼顾文字、版面、位置与语义理解，能解决复杂表格、论文、票据的结构化解析难题。小米手机上“超级小爱”的一键识屏幕背后，对应的正是OCR能力从“文字识别”向“文档理解”演进。 在检验综合文档解析能力的权威基准OmniDocBench v1.6中，该模型得分96.83，成为1B以下模型第一；其在五项文档VQA平均分83.2，优于HunyuanOCR、TokenVL、TextHawk、Qwen3.5-2B、MiniCPM-V-4.5等模型，逼近参数规模更大的Qwen3.5-

发布时间：—

抓取时间：2026-11-01 01:13

来源机构：智东西