RespuestasPublicado24 fuentes
Xiaomi-OCR-0 va más allá de leer texto: qué ofrece y qué dicen sus pruebas
Xiaomi OCR 0 combina análisis de documentos, extracción de información clave y preguntas y respuestas visuales en un modelo de 0,8 mil millones de parámetros.[39][1] Parte de Qwen3.5 0.8B y se entrenó con unos 170 millones de muestras centradas en OCR, según el informe técnico.[1] Xiaomi informa una puntuación de 95...
Publicado porEditado con GPT-6 LunaImágenes generadas con GPT Image 2
Respuesta de investigación
Conclusiones clave
- Xiaomi OCR 0 combina análisis de documentos, extracción de información clave y preguntas y respuestas visuales en un modelo de 0,8 mil millones de parámetros.[39][1]
- Parte de Qwen3.5 0.8B y se entrenó con unos 170 millones de muestras centradas en OCR, según el informe técnico.[1]
- Xiaomi informa una puntuación de 95,24 en Real5 OmniDocBench, pero la tabla pública del benchmark registra 92,73 como resultado general.[1][2][5]
Prompt de IA
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 no se limita a reconocer caracteres: está diseñado para interpretar cómo se organiza la información en un documento, extraer datos concretos y contestar preguntas sobre lo que aparece en una imagen. Xiaomi lo describe como un modelo de visión y lenguaje de 0,8 mil millones de parámetros, pensado para documentos complejos como tablas, artículos y recibos.39
1
Hay un matiz importante sobre su lanzamiento. Una noticia publicada el 31 de octubre de 2026 dice que Xiaomi anunció el modelo la noche anterior. Sin embargo, la ficha del proyecto fecha la publicación del informe técnico y la disponibilidad de los pesos del modelo el 30 de septiembre; por tanto, el anuncio de octubre no parece ser su primera aparición pública.39
8
De reconocer texto a entender documentos
La propuesta reúne tres tareas: analizar documentos, extraer información clave y responder preguntas sobre contenido visual.39
1 En otras palabras, además de leer texto, busca tener en cuenta la disposición de la página y el contexto para trabajar con materiales como tablas, facturas o artículos.
El proyecto también ofrece herramientas para desarrolladores: el repositorio de GitHub describe un servicio MCP y un paquete Agent Skill para OCR, lectura de PDF, extracción de información y preguntas y respuestas visuales. Son interfaces para usar el modelo; no demuestran que todos esos flujos se ejecuten directamente en un teléfono.30
31
32
Cómo se entrenó
El informe técnico señala que Xiaomi-OCR-0 parte de Qwen3.5-0.8B y se entrenó con un conjunto de unos 170 millones de muestras centradas en OCR. La creación de esos datos combina consenso de expertos, verificación mediante renderizado y síntesis dirigida.1
La ficha del modelo detalla tres etapas: Q-Mask, para vincular fragmentos de texto con su ubicación; un periodo adicional de entrenamiento centrado en OCR; y aprendizaje por refuerzo con tareas mixtas, que utiliza recompensas verificables en ejemplos difíciles.19 Las fuentes disponibles respaldan este esquema general, pero no confirman todos los detalles sobre cómo se generó cada tipo de dato o cómo se definió cada recompensa.
Los resultados publicados
El informe técnico y los materiales de la ficha del modelo presentan estas puntuaciones:1
3
| Prueba o tarea | Puntuación informada | Contexto |
|---|---|---|
| OmniDocBench v1.6 | 96,83 | La ficha lo sitúa en segundo lugar en la comparación citada. |
| Real5-OmniDocBench | 95,24 | Xiaomi informa esta puntuación y reclama el primer puesto. |
| Wild-OmniDocBench | 87,94 | La ficha lo sitúa en segundo lugar en la comparación citada. |
| UniMER-Test | 97,84 | Resultado informado para reconocimiento de fórmulas. |
| PubTabNet | 92,27 | Resultado informado para reconocimiento de tablas. |
| Cinco pruebas de preguntas y respuestas visuales centradas en OCR | 83,2 de promedio | Media de DocVQA, InfoVQA, ChartQA, OCRBench y TextVQA. |
La puntuación de Real5-OmniDocBench requiere contexto. La tabla pública del benchmark registra 92,73 como resultado general de Xiaomi-OCR-0, con 93,73 en escaneo, 92,76 en deformación, 92,80 en fotografía de pantalla, 92,68 en iluminación y 91,69 en inclinación. Es una cifra distinta del 95,24 publicado por Xiaomi; las fuentes disponibles no explican la diferencia, así que no conviene tratarlas como equivalentes.2
5
El promedio de 83,2 en las cinco pruebas de preguntas y respuestas también es un resultado reportado, no una garantía para cualquier documento o consulta. La ficha lo compara con 80,9 de Qwen3.5-2B; las comparaciones con otros modelos dependen de la fuente y de las condiciones de evaluación.3
14
Uso en el móvil y herramientas abiertas
La noticia del 31 de octubre relaciona Xiaomi-OCR-0 con la función de comprensión de pantalla de Super XiaoAi, el asistente de Xiaomi. Entre los ejemplos mencionados están localizar un código para retirar un pedido, leer la hora y el lugar de un cartel y extraer el importe y el comercio de un recibo.39
Los materiales del proyecto enlazan los repositorios del modelo en Hugging Face y GitHub. También describen una demostración en navegador y herramientas locales MCP y Agent Skill.25
9
30
31
32
Qué permiten concluir las pruebas
La evidencia disponible respalda la idea central: Xiaomi-OCR-0 es un modelo de 0,8 mil millones de parámetros para interpretar documentos, entrenado con un corpus amplio centrado en OCR y diseñado para combinar análisis, extracción de datos y preguntas y respuestas visuales. También deja claro que hay una discrepancia entre la puntuación de Real5-OmniDocBench publicada por Xiaomi y la que muestra la tabla del benchmark.1
2
5
En cambio, las fuentes reunidas aquí no verifican detalles más específicos, como formatos de salida concretos para cada tipo de documento o todos los flujos de uso propuestos para el móvil. Es más prudente considerarlos posibles aplicaciones que capacidades confirmadas en todos los casos.
Studio Global AI
Continúe su investigación
Esta página incluye una respuesta respaldada por fuentes que puede continuar dentro de Studio Global.
La gente también pregunta
¿Cuál es la respuesta corta a "Xiaomi-OCR-0 va más allá de leer texto: qué ofrece y qué dicen sus pruebas"?
Xiaomi OCR 0 combina análisis de documentos, extracción de información clave y preguntas y respuestas visuales en un modelo de 0,8 mil millones de parámetros.[39][1]
¿Cuáles son los puntos clave a validar primero?
Xiaomi OCR 0 combina análisis de documentos, extracción de información clave y preguntas y respuestas visuales en un modelo de 0,8 mil millones de parámetros.[39][1] Parte de Qwen3.5 0.8B y se entrenó con unos 170 millones de muestras centradas en OCR, según el informe técnico.[1]
¿Qué debo hacer a continuación en la práctica?
Xiaomi informa una puntuación de 95,24 en Real5 OmniDocBench, pero la tabla pública del benchmark registra 92,73 como resultado general.[1][2][5]