小米开源0.8B“卷王”OCR模型：8亿参数，越级挑战大模型

凤凰网科技讯（作者/于雷）10月31日，小米昨日发布并开源轻量级文档理解模型Xiaomi-OCR-0。该模型仅0.8B参数，将文档解析、关键信息抽取与OCR视觉问答三类能力合为一体，主打在轻量级体量下实现复杂文档的结构化解析与语义理解。

从评测表现看，Xiaomi-OCR-0在真实拍摄干扰场景的Real5-OmniDocBench上取得95.24分，位列对比模型第一。

在OmniDocBench v1.6上取得96.83分，以0.8B参数夺得总榜第二、1B以下模型第一。

在五项主流OCR视觉问答基准上，其平均分为83.2，超过部分专用OCR模型和更大尺寸通用多模态模型，展示出较高的参数效能比。

技术层面，小米称该模型基于约1.7亿条高质量样本训练，核心在于可扩展数据引擎与“先解析、后理解”的渐进式训练策略，以降低伪标签噪声并补足复杂版式和长尾场景能力。

落地方面，相关技术已进入小米手机与“超级小爱”场景，可用于取餐码、账单、卡证、日程和航班信息等屏幕信息的识别与后续操作。小米同时开源模型权重与推理代码，并提供Demo、MCP服务及Agent Skill工具包，面向开发者开放集成。