Xiaomi опубликовала OCR-0 — модель, которая распознаёт текст, извлекает нужные поля из документов и отвечает на вопросы по содержанию. Размер модели при этом составляет 0,8 млрд параметров.
Xiaomi‑OCR-0 может обрабатывать текст, таблицы, математические формулы, сохранять порядок чтения страниц и выдавать результат в Markdown, а формулы — в LaTeX. Извлекать данные можно с помощью JSON‑схем.
В основе модели лежит Qwen3.5–0.8B‑Base, которую дообучили на корпусе из 170 млн примеров. В датасете есть целые страницы, отдельные фрагменты документов и задания на понимание текста. После предварительного обучения разработчики использовали обучение с подкреплением на сложных примерах.
В тестах OCR-0 набрала 95,24 и 96,83 балла в бенчмарках Real5-OmniDocBench и OmniDocBench v1.6 соответственно. Средняя оценка по пяти тестам составляет 83,2 балла. У более крупной Qwen3.5–2B результат 80,9 балла.
Код и веса доступны по лицензии Apache 2.0. В репозитории есть инструменты для локального запуска, MCP‑сервер и скилл для подключения к ИИ‑агентам. Есть интерактивное демо на Hugging Face для тестов без установки.
Автор: daniilshat
