AntwortenVeröffentlicht24 Quellen
Xiaomi-OCR-0: Was das kompakte Dokumentenmodell kann – und was die Benchmarks zeigen
Xiaomi OCR 0 ist ein Modell mit 0,8 Milliarden Parametern für Dokumentenanalyse, Extraktion wichtiger Angaben und visuelle Fragen und Antworten. Laut technischem Bericht basiert das Modell auf Qwen3.5 0.8B und wurde mit rund 170 Millionen OCR orientierten Beispielen trainiert.
Veröffentlicht vonBearbeitet mit GPT-6 LunaBilder erstellt mit GPT Image 2
Forschungsantwort
Wichtige Erkenntnisse
- Xiaomi OCR 0 ist ein Modell mit 0,8 Milliarden Parametern für Dokumentenanalyse, Extraktion wichtiger Angaben und visuelle Fragen und Antworten.
- Laut technischem Bericht basiert das Modell auf Qwen3.5 0.8B und wurde mit rund 170 Millionen OCR orientierten Beispielen trainiert.
KI-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 soll mehr leisten als klassische Texterkennung: Das kompakte Bild-Sprach-Modell verbindet die Analyse von Dokumenten und deren Aufbau mit dem Herausziehen wichtiger Angaben und visuellen Fragen und Antworten. Ein am 31. Oktober 2026 veröffentlichter Bericht meldete, Xiaomi habe das Modell am Vorabend vorgestellt. Die Modellkarte führt den technischen Bericht und die Freigabe der Gewichte allerdings bereits auf den 30. September zurück. Der Oktober-Termin scheint also nicht die erste öffentliche Verfügbarkeit zu markieren.39
8
Vom Erkennen zum Verstehen von Dokumenten
Xiaomi beschreibt das Modell mit 0,8 Milliarden Parametern als Werkzeug, das Inhalt und Layout von Dokumenten erfassen soll – auch bei anspruchsvolleren Vorlagen wie wissenschaftlichen Arbeiten, Tabellen und Belegen. Zu den genannten Aufgaben gehören Dokumente zu strukturieren, gezielt Informationen herauszuziehen und Fragen zu visuellen Inhalten zu beantworten.39
1
Für Entwicklerinnen und Entwickler gibt es neben einem Browser-Demo auch lokale Werkzeuge: Das GitHub-Projekt führt einen MCP-Dienst und ein Agent Skill für OCR, PDF-Auswertung, Informationsextraktion und visuelle Fragen und Antworten auf.30
31
32 Das sind Schnittstellen und Hilfsmittel rund um das Modell – kein Beleg dafür, dass all diese Abläufe direkt auf einem Smartphone laufen.
Trainingsdaten und Verfahren
Dem technischen Bericht zufolge baut Xiaomi-OCR-0 auf Qwen3.5-0.8B auf. Trainiert wurde es mit einem OCR-orientierten Datensatz von ungefähr 170 Millionen Beispielen. Die Datenpipeline kombiniert laut Bericht Expertenkonsens, Überprüfung durch erneutes Rendern und gezielte synthetische Datenerzeugung.1
Die Modellkarte beschreibt drei Trainingsphasen: Zunächst soll Q-Mask Textstellen mit ihrer Position im Dokument verknüpfen. Danach folgt weiteres OCR-orientiertes Vortraining; abschließend wird das Modell mit gemischten Aufgaben und überprüfbaren Belohnungssignalen an schwierigen Beispielen trainiert.19 Die verfügbaren Quellen stützen diese grobe Beschreibung, belegen aber nicht alle detaillierten Angaben zu Datenerzeugung und Belohnungsdefinitionen, die in weitergehenden Beschreibungen auftauchen.
Die veröffentlichten Benchmarkwerte
Im technischen Bericht und in den Materialien zur Modellkarte nennt Xiaomi folgende Ergebnisse:1
3
| Benchmark oder Aufgabe | Angegebener Wert | Einordnung |
|---|---|---|
| OmniDocBench v1.6 | 96,83 | In der angeführten Modellkarten-Auswertung auf Platz zwei. |
| Real5-OmniDocBench | 95,24 | Xiaomi nennt diesen Wert und beansprucht Platz eins. |
| Wild-OmniDocBench | 87,94 | In der angeführten Modellkarten-Auswertung auf Platz zwei. |
| UniMER-Test | 97,84 | Wert für Formelerkennung laut Modellkarte. |
| PubTabNet | 92,27 | Wert für Tabellenerkennung laut Modellkarte. |
| Durchschnitt aus fünf OCR-VQA-Benchmarks | 83,2 | Modellkartenwert für DocVQA, InfoVQA, ChartQA, OCRBench und TextVQA. |
Beim Real5-OmniDocBench gibt es eine wichtige Abweichung. Die Rangliste des Benchmarks führt Xiaomi-OCR-0 mit einem Gesamtwert von 92,73. Für die einzelnen Aufnahmebedingungen nennt sie 93,73 beim Scannen, 92,76 bei Verzerrungen, 92,80 bei Bildschirmfotos, 92,68 bei veränderter Beleuchtung und 91,69 bei Schräglage. Das weicht von Xiaomis Angabe 95,24 ab. Die verfügbaren Quellen erklären den Unterschied nicht – die Werte sollten daher nicht gleichgesetzt werden.2
5
Auch der Durchschnitt von 83,2 bei den fünf visuellen Frage-Antwort-Benchmarks ist ein berichtetes Testergebnis, keine Garantie für jede Art von Dokument oder Frage. Die Modellkarten-Materialien vergleichen ihn mit 80,9 für Qwen3.5-2B; Vergleiche mit weiteren Modellen hängen von Quelle und Testaufbau ab.3
14
Smartphone-Bezug und Entwicklertools
Der Bericht vom Oktober verbindet Xiaomi-OCR-0 mit der Ein-Tipp-Bildschirmerkennung von Super XiaoAi. Als mögliche Beispiele nennt er das Finden eines Abholcodes, das Auslesen von Zeit und Ort auf einem Plakat sowie das Erfassen von Betrag und Händler auf einer Rechnung.39
Die Projektmaterialien verweisen auf Modell-Repositories bei Hugging Face und GitHub. Hinzu kommen ein Browser-Demo sowie lokale MCP- und Agent-Skill-Werkzeuge, die in den GitHub-Projektmaterialien beschrieben werden.25
9
30
31
32
Was die Quellen belegen – und was offenbleibt
Die Quellen zeichnen ein klares Grundbild: Xiaomi-OCR-0 ist ein Dokumentenverständnis-Modell mit 0,8 Milliarden Parametern. Es wurde mit einem großen OCR-orientierten Datensatz trainiert und soll Dokumente analysieren, Informationen extrahieren und visuelle Fragen beantworten. Zugleich zeigen die Angaben zum Real5-OmniDocBench, dass ein prominenter Xiaomi-Wert von der Rangliste des Benchmarks abweicht.1
2
5
Detailliertere Versprechen – etwa ein bestimmtes JSON-Ausgabeformat für verschiedene Dokumenttypen, Berechnungen über mehrere Dokumentbereiche hinweg oder sämtliche denkbaren Smartphone-Abläufe – werden durch die hier verfügbaren Quellen nicht bestätigt. Solche Beispiele sind deshalb besser als mögliche Anwendungsfälle zu verstehen, nicht als unabhängig verifizierte Funktionen.
Studio Global AI
Setzen Sie Ihre Recherche fort
Diese Seite enthält eine quellengestützte Antwort, die Sie in Studio Global fortsetzen können.
Die Leute fragen auch
Wie lautet die kurze Antwort auf „Xiaomi-OCR-0: Was das kompakte Dokumentenmodell kann – und was die Benchmarks zeigen“?
Xiaomi OCR 0 ist ein Modell mit 0,8 Milliarden Parametern für Dokumentenanalyse, Extraktion wichtiger Angaben und visuelle Fragen und Antworten.
Was sind die wichtigsten Punkte, die zuerst validiert werden müssen?
Xiaomi OCR 0 ist ein Modell mit 0,8 Milliarden Parametern für Dokumentenanalyse, Extraktion wichtiger Angaben und visuelle Fragen und Antworten. Laut technischem Bericht basiert das Modell auf Qwen3.5 0.8B und wurde mit rund 170 Millionen OCR orientierten Beispielen trainiert.