AnswersPublished24 sources
Mitä Xiaomi-OCR-0 osaa – ja mitä sen vertailutuloksista voi päätellä?
Lokakuussa 2026 uutisoitu Xiaomi OCR 0 on 0,8 miljardin parametrin malli, joka on suunniteltu asiakirjojen jäsentämiseen, keskeisten tietojen poimintaan ja visuaalisiin kysymyksiin vastaamiseen. Malli perustuu Qwen3.5 0.8B:hen ja sen koulutuksessa käytettiin noin 170 miljoonan OCR painotteisen näytteen aineistoa.
JulkaisijaMuokattu mallilla GPT-6 LunaKuvat luotu mallilla GPT Image 2
Research answer
Key takeaways
- Lokakuussa 2026 uutisoitu Xiaomi OCR 0 on 0,8 miljardin parametrin malli, joka on suunniteltu asiakirjojen jäsentämiseen, keskeisten tietojen poimintaan ja visuaalisiin kysymyksiin vastaamiseen.
- Malli perustuu Qwen3.5 0.8B:hen ja sen koulutuksessa käytettiin noin 170 miljoonan OCR painotteisen näytteen aineistoa.
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 on pieni näkö- ja kielimalli, jonka tarkoitus on tehdä muutakin kuin tunnistaa tekstiä: se yhdistää asiakirjojen jäsentämisen, olennaisten tietojen poiminnan ja visuaalisiin kysymyksiin vastaamisen. 31. lokakuuta 2026 julkaistun uutisen mukaan Xiaomi esitteli mallin edellisenä iltana. Mallikortissa teknisen raportin julkaisu ja mallipainojen saataville tulo ajoitetaan kuitenkin jo 30. syyskuuta, joten lokakuun uutinen ei vaikuta olleen mallin ensimmäinen julkinen julkaisu.39
8
Yksi malli asiakirjoille ja niihin liittyville kysymyksille
Xiaomi kuvaa 0,8 miljardin parametrin mallia työkaluksi asiakirjojen sisällön ja rakenteen ymmärtämiseen. Sen käyttökohteisiin kuuluvat esimerkiksi tutkimuspaperit, taulukot ja kuitit. Mallin ilmoitettuihin tehtäviin kuuluvat asiakirjojen jäsentäminen, keskeisten tietojen poiminta ja visuaaliseen sisältöön liittyviin kysymyksiin vastaaminen.39
1
Kehittäjämateriaaleissa mainitaan myös selaindemo ja paikallisesti käytettäviä työkaluja. GitHub-projektissa on MCP-palvelu ja Agent Skill muun muassa tekstintunnistukseen, PDF-tiedostojen jäsentämiseen, tietojen poimintaan ja visuaaliseen kysymys-vastaustoimintoon.30
31
32 Kyse on mallin ympärille rakennetuista kehittäjätyökaluista – ei todisteesta siitä, että kaikki työnkulut toimisivat suoraan puhelimessa.
Näin Xiaomi kertoo mallin koulutuksesta
Teknisessä raportissa Xiaomi-OCR-0:n kerrotaan pohjautuvan Qwen3.5-0.8B-malliin. Koulutuksessa käytettiin noin 170 miljoonan näytteen OCR-painotteista aineistoa, jonka kokoamisessa yhdistettiin asiantuntijamallien tuottamaa arviointia, renderöinnillä tehtävää tarkistusta ja kohdennettua synteettisen aineiston tuottamista.1
Mallikortti kuvaa koulutuksen kolmivaiheiseksi: ensin Q-Mask-tekstin ankkurointi yhdistää tekstin sen sijaintiin, sitten mallia esikoulutetaan lisää OCR-tehtäviin ja lopuksi sitä koulutetaan useiden tehtävien yhdistelmällä vahvistusoppimista hyödyntäen. Vaikeissa esimerkeissä käytetään tarkistettavia palkkioita.19 Lähteet tukevat tätä yleiskuvaa, mutta ne eivät vahvista kaikkia joissakin kuvauksissa mainittuja yksityiskohtia aineiston muodostamisesta tai palkkioiden määrittelystä.
Xiaomin ilmoittamat vertailutulokset
Xiaomin teknisessä raportissa ja mallikortissa ilmoitetaan seuraavat keskeiset tulokset:1
3
| Vertailutesti tai tehtävä | Ilmoitettu tulos | Taustaa |
|---|---|---|
| OmniDocBench v1.6 | 96,83 | Mallikortin vertailussa tulos sijoittuu toiseksi. |
| Real5-OmniDocBench | 95,24 | Xiaomi ilmoittaa tuloksen ja väittää sen olevan vertailun paras. |
| Wild-OmniDocBench | 87,94 | Mallikortin vertailussa tulos sijoittuu toiseksi. |
| UniMER-Test | 97,84 | Kaavojen tunnistamisen tulos mallikortissa. |
| PubTabNet | 92,27 | Taulukoiden tunnistamisen tulos mallikortissa. |
| Viiden OCR-painotteisen visuaalisen kysymys-vastaustestin keskiarvo | 83,2 | Mallikortti ilmoittaa keskiarvon testeistä DocVQA, InfoVQA, ChartQA, OCRBench ja TextVQA. |
Real5-tulokseen liittyy tärkeä varaus. Vertailutestin omalla tuloslistalla Xiaomi-OCR-0:n kokonaistulos on 92,73. Osatulokset ovat 93,73 skannatuista asiakirjoista, 92,76 vääristyneistä asiakirjoista, 92,80 näytöltä kuvatuista asiakirjoista, 92,68 valaistuksen osalta ja 91,69 vinouden osalta. Tämä poikkeaa Xiaomin ilmoittamasta 95,24:stä. Käytettävissä olevat lähteet eivät selitä eroa, joten tuloksia ei pidä käsitellä keskenään vertailukelpoisina.2
5
Viiden testin VQA-keskiarvo on niin ikään ilmoitettu vertailutulos, ei lupaus siitä, miten malli onnistuu jokaisen asiakirjan tai kysymyksen kohdalla. Mallikortin mukaan tulos 83,2 ylittää Qwen3.5-2B:n tuloksen 80,9; vertailut muihin malleihin riippuvat lähteestä ja käytetystä testiasetelmasta.3
14
Puhelimen käyttö ja avoimet kehittäjätyökalut
Lokakuun uutinen yhdistää Xiaomi-OCR-0:n Super XiaoAi -avustajan näytön yhdellä napautuksella käynnistettävään ymmärtämiseen. Esimerkkeinä mainitaan noutokoodin etsiminen, julisteen ajan ja paikan lukeminen sekä laskusta summan ja myyjän tietojen poiminta.39
Projektin materiaalien mukaan mallin voi löytää Hugging Facesta ja GitHubista. GitHub-projektissa esitellään lisäksi selaindemo sekä paikalliset MCP- ja Agent Skill -työkalut.25
9
30
31
32
Mitä lähteet vahvistavat – ja mitä eivät
Lähteiden perusteella Xiaomi-OCR-0 on 0,8 miljardin parametrin asiakirjojen ymmärtämiseen tarkoitettu malli, jonka koulutuksessa käytettiin laajaa OCR-painotteista aineistoa. Xiaomin ilmoittamiin kykyihin kuuluvat asiakirjojen jäsentäminen, tietojen poiminta ja visuaalisiin kysymyksiin vastaaminen. Lähteissä näkyy myös, että ainakin yhden keskeisen vertailutestin tuloksesta mallin materiaalit ja testin oma tuloslista ovat eri mieltä.1
2
5
Lähteet eivät vahvista yksityiskohtaisempia väitteitä, kuten tiettyjen asiakirjatyyppien täsmällistä JSON-tulostetta, asiakirjan eri alueisiin perustuvia laskelmia tai kaikkia ehdotettuja puhelinkäyttötapoja. Niitä on turvallisinta pitää mahdollisina käyttökohteina, ei varmistettuina ominaisuuksina.
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 "Mitä Xiaomi-OCR-0 osaa – ja mitä sen vertailutuloksista voi päätellä?"?
Lokakuussa 2026 uutisoitu Xiaomi OCR 0 on 0,8 miljardin parametrin malli, joka on suunniteltu asiakirjojen jäsentämiseen, keskeisten tietojen poimintaan ja visuaalisiin kysymyksiin vastaamiseen.
What are the key points to validate first?
Lokakuussa 2026 uutisoitu Xiaomi OCR 0 on 0,8 miljardin parametrin malli, joka on suunniteltu asiakirjojen jäsentämiseen, keskeisten tietojen poimintaan ja visuaalisiin kysymyksiin vastaamiseen. Malli perustuu Qwen3.5 0.8B:hen ja sen koulutuksessa käytettiin noin 170 miljoonan OCR painotteisen näytteen aineistoa.