MiniCPM-OCR 1.0

OpenBMB 的 1.3B、Apache 2.0 OCR 模型,面向中英文文档,附带 SDK、版面检测阶段,支持 iOS 和 llama.cpp。

一句话概括. MiniCPM-OCR 是一个小型 AI 模型,能把中英文文档的照片、扫描件和 PDF 转成带表格和公式的 Markdown。它专为弯曲、倾斜的照片等杂乱的真实页面设计。一张消费级显卡甚至一部手机就能运行,许可证允许商用。

概述

MiniCPM 系列模型的开发方 OpenBMB 于 2026 年 10 月 27 日开源了 MiniCPM-OCR 1.0,同时发布 MiniCPM-OCR Jev,这是另一个 2B 模型,用来给 OCR 结果的正确程度打分。MiniCPM-OCR 1.0 是 MiniCPM-V/o 家族第一个专用于 OCR 的模型,有 13 亿参数,把 SigLIP 视觉编码器与 Qwen3.5 语言模型组合在一起,基于 MiniCPM-V 4.6 训练。它能处理中英文文本、表格、公式、图表、印章和关键信息抽取,包括扫描件、弯曲页面、照片和翻拍文档。BF16 检查点约 2.6 GB。

整页解析分两个阶段:PP-DocLayoutV3 版面模型(需要 PaddlePaddle)找出区域和阅读顺序,OCR 模型逐个读取裁剪出的区域。minicpm-ocr SDK 负责调度,并输出 Markdown 和 JSON。使用前必须先用 vLLM、SGLang、llama.cpp 或 Ollama 启动模型服务。OpenBMB 还提供 AWQ、GPTQ 版本、DSpark 解码头、官方 Docker 镜像、免费 API,以及 11 月初起可离线运行的 iOS 演示。

OpenBMB 报告 Real5-OmniDocBench 得分 93.68(称为最先进),在 OmniDocBench v1.6、Wild-OmniDocBench 和 olmOCR-Bench 上取得领先成绩,OCRBench v2 得分 54.7。它在 GeForce RTX 5090 上测得每秒 1.2 页,并称 DSpark 解码使端到端效率提高 55%,吞吐约为 PaddleOCR-VL-1.6 的 1.49 倍、MinerU2.5 Pro 的 3.62 倍。这些都是开发方自己的测量。代码和权重均采用 Apache 2.0。

适合做什么

  • 解析中英文文档,包括拍摄的、倾斜的和弯曲的页面
  • 在消费级显卡、Mac 或手机上做本地或端侧 OCR
  • 通过关键信息抽取,从发票、表单和印章中提取字段
  • 想要现成 SDK、Docker 镜像和量化版本的生产流程

需要注意

  • 只列出中文和英文作为主要语言
  • 整页解析依赖单独的 PP-DocLayoutV3 版面模型和 PaddlePaddle 技术栈
  • 使用 SDK 之前必须自己先启动模型服务
  • 与其他 OCR 模型的基准和速度对比都是开发方自己的

性能数据来自开发方,未经独立验证。

需要多少内存?

以下为 MiniCPM-OCR 1.0 版本的估算。混合专家模型虽然每个 token 只用到部分专家,但所有专家都必须装进内存:总参数量决定所需内存,激活参数量决定速度。

版本 参数量 BF16 FP8 / INT8 4-bit (Q4) 可运行于
MiniCPM-OCR 1.0 BF16 1.3B 2.99 GB 1.49 GB 0.897 GB 笔记本或手机

估算方法:权重大小加约 15% 的运行开销。实际占用会随上下文长度增长,也取决于所用的软件。

显存计算器

许可证,用大白话说

最常见的宽松型许可证之一。你可以使用、修改模型并基于它销售产品,只需遵守少量条件。

进一步了解 Apache 2.0

延伸阅读

常见问题

MiniCPM-OCR 1.0 是什么?
MiniCPM-OCR 是一个小型 AI 模型,能把中英文文档的照片、扫描件和 PDF 转成带表格和公式的 Markdown。它专为弯曲、倾斜的照片等杂乱的真实页面设计。一张消费级显卡甚至一部手机就能运行,许可证允许商用。
MiniCPM-OCR 1.0 可以商用吗?
可以。MiniCPM-OCR 1.0 采用 Apache 2.0 发布,这是一种宽松许可证。只要遵守常规条件(例如保留许可证声明),就可以商用。
MiniCPM-OCR 1.0 是开源的吗?
MiniCPM-OCR 1.0 采用 Apache 2.0 发布,该许可证经开源促进会(OSI)认可。训练数据和训练代码不一定公开,因此更准确的说法是“采用开源许可证的开放权重模型”。
我能在自己的电脑上运行 MiniCPM-OCR 1.0 吗?
可以。最小版本 MiniCPM-OCR 1.0 在 4 位精度下约需 0.897 GB 内存,现代笔记本或中端显卡即可胜任。
MiniCPM-OCR 1.0 是什么时候发布的?
MiniCPM-OCR 1.0 由 OpenBMB 于 2026年10月27日 发布。
MiniCPM-OCR 1.0 的上下文窗口有多长?
MiniCPM-OCR 1.0 支持最长 256K token 的上下文窗口。

官方链接

来源

规格数据来自以下一手资料。文中提到的基准测试结果由开发方自报。

发布时间等信息最近核实于 2026年11月11日。

相关模型

模型 发布时间 参数量 上下文 许可证 最小版本所需内存
PaddleOCR-VL Baidu 960M – Apache 2.0 (宽松) 0.662 GB 笔记本或手机
Xiaomi-OCR-0 Xiaomi 873M 256K Apache 2.0 (宽松) 0.602 GB 笔记本或手机
GLM-OCR Z.ai (Zhipu AI) 900M – MIT (宽松) 0.621 GB 笔记本或手机
MiniCPM-V 4.7 OpenBMB 1.55B – 35.2B 激活 3B 256K Apache 2.0 (宽松) 1.07 GB 笔记本或手机