AnswersPublished24 sources
Xiaomi-OCR-0 zvládá víc než jen rozpoznat text. Co ukazují jeho výsledky?
Xiaomi OCR 0 má 0,8 miliardy parametrů a je určený k analýze dokumentů, extrakci důležitých údajů a vizuálním otázkám. Vychází z Qwen3.5 0.8B a byl trénován na zhruba 170 milionech OCR zaměřených vzorků.[1] Xiaomi uvádí skóre 95,24 v Real5 OmniDocBench, oficiální žebříček benchmarku ale modelu připisuje 92,73.[2][3]
PublikovalUpraveno pomocí GPT-6 LunaObrázky vytvořeny pomocí GPT Image 2
Research answer
Key takeaways
- Xiaomi OCR 0 má 0,8 miliardy parametrů a je určený k analýze dokumentů, extrakci důležitých údajů a vizuálním otázkám.
- Vychází z Qwen3.5 0.8B a byl trénován na zhruba 170 milionech OCR zaměřených vzorků.[1]
- Xiaomi uvádí skóre 95,24 v Real5 OmniDocBench, oficiální žebříček benchmarku ale modelu připisuje 92,73.[2][3]
AI Prompt
openai.comCreate a landscape editorial hero image for this Studio Global article: What did Xiaomi announce on October 30, 2026, about its open-source 0.8-billion-parameter Xiaomi-OCR-0 document understanding model, includi. Article summary: Xiaomi announced the release and open-sourcing of Xiaomi-OCR-0 on the evening of October 30, 2026: a lightweight, 0.8-billion-parameter model unifying document parsing, key-information extraction and visual question answ. Topic tags: general, academic, general web. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fake num
Xiaomi-OCR-0 má být víc než obyčejná optická čtečka znaků (OCR). Kompaktní model s 0,8 miliardy parametrů spojuje rozpoznávání textu s analýzou struktury dokumentu, vyhledáváním důležitých údajů a odpovídáním na otázky nad obrazovým obsahem. Zpráva zveřejněná 31. října 2026 uvádí, že Xiaomi model představilo předchozí večer. Modelová karta však datuje zveřejnění technické zprávy a vah už na 30. září, takže říjnové oznámení zřejmě nebylo prvním zpřístupněním modelu.39
8
Jeden model na text, tabulky i otázky
Xiaomi popisuje Xiaomi-OCR-0 jako model pro porozumění obsahu i rozvržení dokumentů — od odborných textů přes tabulky až po účtenky. Mezi uváděné úlohy patří rozbor dokumentu, vytažení klíčových informací a odpovídání na otázky týkající se jeho vizuálního obsahu.39
1
Vývojářské materiály projektu uvádějí také webové demo a nástroje pro lokální použití. GitHubový repozitář obsahuje službu MCP a Agent Skill pro OCR, zpracování PDF, extrakci důležitých údajů a vizuální otázky a odpovědi.30
31
32 Jde o nástroje a rozhraní pro práci s modelem, nikoli o důkaz, že všechny popsané úlohy běží přímo v telefonu.
Jak byl model trénován
Podle technické zprávy Xiaomi-OCR-0 vychází z modelu Qwen3.5-0.8B a byl trénován na korpusu přibližně 170 milionů vzorků zaměřených na OCR. Příprava dat podle zprávy kombinuje konsenzus expertů, ověřování pomocí vykreslení dokumentů a cílené vytváření syntetických dat.1
Modelová karta popisuje tři fáze tréninku: Q-Mask, který propojuje text s jeho polohou v dokumentu; další předtrénování zaměřené na OCR; a učení s posilováním pro více úloh, při němž se u obtížných příkladů používají ověřitelné odměny.19 Dostupné zdroje potvrzují tento obecný postup, ne však všechny podrobnosti o generování dat nebo přesné definice odměn, které se objevují v některých popisech.
Výsledky v testech podle Xiaomi
Technická zpráva a materiály k modelu uvádějí tato hlavní skóre:1
3
| Benchmark nebo úloha | Uváděné skóre | Kontext |
|---|---|---|
| OmniDocBench v1.6 | 96,83 | V porovnání uvedeném v materiálech k modelu druhé místo. |
| Real5-OmniDocBench | 95,24 | Xiaomi toto skóre uvádí jako první místo. |
| Wild-OmniDocBench | 87,94 | V uvedeném srovnání druhé místo. |
| UniMER-Test | 97,84 | Skóre pro rozpoznávání matematických vzorců. |
| PubTabNet | 92,27 | Skóre pro rozpoznávání tabulek. |
| Pět benchmarků vizuálních otázek zaměřených na OCR | průměr 83,2 | Průměr z testů DocVQA, InfoVQA, ChartQA, OCRBench a TextVQA. |
Skóre Real5 je potřeba číst s výhradou. Vlastní žebříček benchmarku uvádí u Xiaomi-OCR-0 celkové skóre 92,73. Dílčí výsledky jsou 93,73 při skenování, 92,76 při zkreslení, 92,80 při fotografování obrazovky, 92,68 při změně osvětlení a 91,69 při naklonění. To se liší od hodnoty 95,24 uváděné Xiaomi; dostupné zdroje rozdíl nevysvětlují, a čísla proto nelze považovat za zaměnitelná.2
5
Ani průměr 83,2 z pěti testů vizuálních otázek nezaručuje stejný výkon u každého dokumentu či dotazu. Materiály k modelu porovnávají tento průměr s hodnotou 80,9 u Qwen3.5-2B; srovnání s dalšími modely závisí na konkrétním zdroji a nastavení testu.3
14
Využití v telefonu a nástroje pro vývojáře
Zpráva z 31. října spojuje Xiaomi-OCR-0 s funkcí Super XiaoAi pro pochopení obsahu obrazovky jedním klepnutím. Jako příklady uvádí vyhledání kódu k vyzvednutí objednávky, přečtení času a místa z plakátu nebo získání částky a názvu obchodníka z účtenky.39
Projekt nabízí repozitáře modelu na Hugging Face a GitHubu. Materiály na GitHubu zmiňují také webové demo a lokální nástroje MCP a Agent Skill.25
9
30
31
32
Co dostupné zdroje potvrzují — a co ne
Zdroje dokládají základní obraz: Xiaomi-OCR-0 je model pro porozumění dokumentům s 0,8 miliardy parametrů, trénovaný na rozsáhlém OCR zaměřeném korpusu, jehož deklarované schopnosti zahrnují rozbor dokumentů, extrakci údajů a vizuální otázky. Zároveň ukazují, že se jedno z hlavních benchmarkových skóre liší podle toho, zda vycházíme z materiálů k modelu, nebo z žebříčku samotného benchmarku.1
2
5
Dostupné podklady naopak nepotvrzují všechny podrobnější sliby o konkrétním výstupu v JSON pro různé typy dokumentů, výpočtech napříč částmi dokumentu ani každém navrhovaném způsobu použití v telefonu. Tyto scénáře je proto bezpečnější chápat jako možné případy použití, ne jako ověřené schopnosti.
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
People also ask
What is the short answer to "Xiaomi-OCR-0 zvládá víc než jen rozpoznat text. Co ukazují jeho výsledky?"?
Xiaomi OCR 0 má 0,8 miliardy parametrů a je určený k analýze dokumentů, extrakci důležitých údajů a vizuálním otázkám.
What are the key points to validate first?
Xiaomi OCR 0 má 0,8 miliardy parametrů a je určený k analýze dokumentů, extrakci důležitých údajů a vizuálním otázkám. Vychází z Qwen3.5 0.8B a byl trénován na zhruba 170 milionech OCR zaměřených vzorků.[1]
What should I do next in practice?
Xiaomi uvádí skóre 95,24 v Real5 OmniDocBench, oficiální žebříček benchmarku ale modelu připisuje 92,73.[2][3]