Xiaomi-OCR-0

小米 0.9B、Apache 2.0 的 OCR 模型,基于 Qwen3.5-0.8B,用于解析、抽取和 OCR 问答;按自家对比表,Real5-OmniDocBench 排第一。

一句话概括. Xiaomi-OCR-0 是小米的一个超小 AI 模型,能读文档,也能回答关于图像中文字的问题。不到 10 亿参数,几乎任何显卡和许多笔记本都能装下。在小米自己的测试里,它与更大的 OCR 模型相当甚至更好,许可证允许商用。

概述

小米研究团队于 2026 年 9 月 30 日发布 Xiaomi-OCR-0 及技术报告。它是一个 8.7 亿参数的视觉语言模型,BF16 约 1.75 GB,以 Qwen3.5-0.8B-Base 为起点,在约 1.7 亿个以 OCR 为中心的样本上训练。一个模型覆盖文档解析、OCR 相关的问答和关键信息抽取。训练配方分三步:把文字与位置对齐的 Q-Mask 文本锚定、以 OCR 为中心的继续预训练,以及使用可验证奖励的混合任务强化学习。

模型卡报告:OmniDocBench v1.6 得 96.83,在其对比中排第二;Real5-OmniDocBench 得 95.24,排第一;Wild-OmniDocBench 得 87.94,排第二。同一张表中,PaddleOCR-VL-1.6 在 OmniDocBench v1.6 上是 96.33,GLM-OCR 是 95.22。它还报告 UniMER-Test 公式基准 97.84、PubTabNet 表格 92.27,以及五个以 OCR 为中心的问答基准平均 83.2,高于 Qwen3.5-2B 的 80.9。所有结果都是小米自己的。

训练数据引擎综合了一批现有 OCR 模型的标注,包括 PaddleOCR-VL-1.6、MinerU2.5-Pro、GLM-OCR、dots.mocr 和 HunyuanOCR-1.5,并保留其中多个模型一致的样本。权重采用 Apache 2.0,社区已提供适用于 llama.cpp 类运行时的 GGUF 转换版本。

适合做什么

  • 在小型显卡和笔记本上做文档解析和 OCR 问答
  • 需要用一个很小的模型同时完成解析、抽取和问答的流程
  • 研究如何用共识标注的数据训练小型 OCR 模型
  • 在 Apache 2.0 下商用

需要注意

  • 排名和分数来自小米自己的对比表
  • 这是标为 0 版的首个发布,使用者还不多
  • 它用其他 OCR 模型生成的标注训练,如果你在意,请核对那些模型的条款

性能数据来自开发方,未经独立验证。

需要多少内存?

以下为 Xiaomi-OCR-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
Xiaomi-OCR-0 BF16 873M 2.01 GB 1 GB 0.602 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

Xiaomi-OCR-0 是什么?
Xiaomi-OCR-0 是小米的一个超小 AI 模型,能读文档,也能回答关于图像中文字的问题。不到 10 亿参数,几乎任何显卡和许多笔记本都能装下。在小米自己的测试里,它与更大的 OCR 模型相当甚至更好,许可证允许商用。
Xiaomi-OCR-0 可以商用吗?
可以。Xiaomi-OCR-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。
Xiaomi-OCR-0 是开源的吗?
Xiaomi-OCR-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 Xiaomi-OCR-0 吗?
可以。最小版本 Xiaomi-OCR-0 在 4 位精度下约需 0.602 GB 内存,现代笔记本或中端显卡即可胜任。
Xiaomi-OCR-0 是什么时候发布的?
Xiaomi-OCR-0 由 Xiaomi 于 2026年9月30日 发布。
Xiaomi-OCR-0 的上下文窗口有多长?
Xiaomi-OCR-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
GLM-OCR Z.ai (Zhipu AI) 900M – MIT (宽松) 0.621 GB 笔记本或手机
MiniCPM-OCR 1.0 OpenBMB 1.3B 256K Apache 2.0 (宽松) 0.897 GB 笔记本或手机
HunyuanOCR Tencent 1.12B 128K Tencent Hunyuan (附条件) 0.773 GB 笔记本或手机