Xiaomi-OCR-0
4 节点1 篇4 来源
小米于2026年9月底发布并开源了仅0.8B参数的文档理解模型Xiaomi-OCR-0。该模型基于Qwen3.5-0.8B基座，通过约1.7亿样本训练，统一了文档解析、关键信息抽取（KIE）与视觉问答（VQA）三项能力。在OmniDocBench v1.6等权威基准中，其得分领先同量级模型，并在部分指标上逼近4B参数模型。【背景】此举旨在降低端侧部署门槛，支撑“超级小爱”等手机助手实现从“文字识别”到“结构化理解”的跃迁，如自动提取账单、日程或航班信息。目前社区已推出GGUF量化版本以支持本地运行。
事情怎么走到这一步
小米SeerRay团队在arXiv提交《Xiaomi-OCR-0 Technical Report》。
arxiv.org ↗Hugging Face页面显示技术报告发布，模型权重正式开源。
huggingface.co ↗社区贡献者prithivMLmods、xzl01等发布GGUF量化版本，ByronLeeee发布BF16 NInfer转换版。
huggingface.co ↗智东西报道小米发布Xiaomi-OCR-0，强调其在多项基准中的领先成绩及端侧应用场景。
zhidx.com ↗
还没定论的部分
- Xiaomi-OCR-0在实际手机端侧推理时的功耗与延迟表现如何？
- 相比闭源大模型，开源轻量级模型在复杂非标准文档（如手写古籍）上的鲁棒性是否足以支撑大规模商用？
- 小米后续是否会针对特定垂直领域（如医疗、法律）推出微调版本？