RéponsesPublié24 sources
Xiaomi-OCR-0 veut lire les documents, pas seulement les caractères
Présenté dans un article le 31 octobre 2026, Xiaomi OCR 0 est un modèle de 0,8 milliard de paramètres destiné à analyser des documents, en extraire des informations et répondre à des questions sur leur contenu visuel.... Le modèle part de Qwen3.5 0.8B et a été entraîné sur environ 170 millions d’échantillons axés su...
Publié parModifié avec GPT-6 LunaImages générées avec GPT Image 2
Réponse de recherche
Points clés à retenir
- Présenté dans un article le 31 octobre 2026, Xiaomi OCR 0 est un modèle de 0,8 milliard de paramètres destiné à analyser des documents, en extraire des informations et répondre à des questions sur leur contenu visuel....
- Le modèle part de Qwen3.5 0.8B et a été entraîné sur environ 170 millions d’échantillons axés sur l’OCR, avec plusieurs étapes d’apprentissage décrites par Xiaomi.[1][19]
- Xiaomi annonce notamment un score de 95,24 sur Real5 OmniDocBench, mais le classement du benchmark affiche 92,73 : les deux résultats sont à distinguer.[2][5]
Prompt 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 vise à aller au-delà de la simple reconnaissance de caractères. Ce modèle de vision-langage de 0,8 milliard de paramètres est conçu pour analyser la structure de documents, en extraire des informations clés et répondre à des questions sur leur contenu visuel.39
1
Un article publié le 31 octobre 2026 rapporte que Xiaomi a annoncé le modèle la veille au soir. Toutefois, la fiche du projet indique que le rapport technique et les poids du modèle ont été publiés le 30 septembre : l’annonce d’octobre ne semble donc pas correspondre à sa première mise à disposition publique.39
8
Un même modèle pour lire et interpréter des documents
Xiaomi présente Xiaomi-OCR-0 comme un outil capable de traiter des documents complexes, notamment des articles, des tableaux et des reçus. Ses tâches annoncées couvrent l’analyse de documents, l’extraction d’informations importantes et les questions-réponses à partir d’images.39
1
Le dépôt GitHub du projet mentionne aussi une démo dans un navigateur, un service MCP et un « Agent Skill » — des outils destinés aux développeurs pour utiliser le modèle dans des flux de travail d’OCR, de traitement de PDF, d’extraction d’informations et de questions-réponses visuelles.30
31
32 Il s’agit d’interfaces et d’outils logiciels autour du modèle ; cela ne prouve pas que tous ces usages s’exécutent directement sur un téléphone.
Un entraînement axé sur l’OCR
Selon le rapport technique, Xiaomi-OCR-0 part de Qwen3.5-0.8B et a été entraîné sur un corpus d’environ 170 millions d’échantillons consacrés à l’OCR. Le processus de préparation des données combine notamment consensus entre experts, vérification par rendu et génération ciblée d’exemples.1
La fiche du modèle décrit trois grandes étapes : l’ancrage du texte Q-Mask, qui associe les éléments textuels à leur position ; la poursuite d’un préentraînement axé sur l’OCR ; puis un apprentissage par renforcement sur plusieurs tâches, avec des récompenses vérifiables pour les exemples difficiles.19 Les sources disponibles étayent cette description générale, mais ne détaillent pas toutes les méthodes de génération des données ni la définition précise des récompenses.
Les résultats annoncés, benchmark par benchmark
Le rapport technique de Xiaomi et les documents associés à la fiche du modèle mettent en avant les résultats suivants :1
3
| Benchmark ou tâche | Score annoncé | Précision |
|---|---|---|
| OmniDocBench v1.6 | 96,83 | Classé deuxième dans la comparaison citée par la fiche du modèle. |
| Real5-OmniDocBench | 95,24 | Xiaomi revendique la première place. |
| Wild-OmniDocBench | 87,94 | Classé deuxième dans la comparaison citée. |
| UniMER-Test | 97,84 | Résultat en reconnaissance de formules. |
| PubTabNet | 92,27 | Résultat en reconnaissance de tableaux. |
| Cinq benchmarks de questions-réponses visuelles axées sur l’OCR | 83,2 de moyenne | Moyenne annoncée sur DocVQA, InfoVQA, ChartQA, OCRBench et TextVQA. |
Le score sur Real5-OmniDocBench appelle une réserve. Le classement publié par le benchmark donne à Xiaomi-OCR-0 un score global de 92,73, avec 93,73 en numérisation, 92,76 sur les déformations, 92,80 sur les photos d’écran, 92,68 pour l’éclairage et 91,69 pour l’inclinaison. Ce résultat diffère des 95,24 annoncés par Xiaomi ; les sources disponibles n’expliquent pas l’écart. Il ne faut donc pas confondre les deux chiffres.2
5
La moyenne de 83,2 sur les cinq benchmarks de questions-réponses visuelles est elle aussi un résultat rapporté, et non une garantie pour chaque document ou chaque question. La fiche compare cette moyenne à 80,9 pour Qwen3.5-2B ; les comparaisons avec d’autres modèles dépendent des benchmarks et des conditions retenus.3
14
Usages sur téléphone et outils pour les développeurs
L’article consacré à l’annonce associe Xiaomi-OCR-0 à la fonction de compréhension de l’écran en un geste de Super XiaoAi, l’assistant de Xiaomi. Les exemples cités comprennent la recherche d’un code de retrait, la lecture de l’heure et du lieu sur une affiche, ou l’extraction du montant et du nom du commerçant sur une facture.39
Le projet répertorie ses dépôts de modèles sur Hugging Face et GitHub. La documentation GitHub mentionne également une démo dans un navigateur, ainsi que des outils locaux MCP et Agent Skill.25
9
30
31
32
Ce que les sources permettent de conclure
Les éléments disponibles décrivent Xiaomi-OCR-0 comme un modèle de compréhension de documents de 0,8 milliard de paramètres, entraîné sur un vaste corpus axé sur l’OCR et destiné à combiner analyse, extraction d’informations et questions-réponses visuelles. Ils montrent aussi qu’un résultat important — celui de Real5-OmniDocBench — diffère entre les documents du modèle et le classement du benchmark.1
2
5
En revanche, les sources ne confirment pas certains détails plus précis, comme le format de sortie exact pour chaque type de document, les calculs entre différentes zones d’une page ou l’ensemble des scénarios envisagés sur téléphone. Mieux vaut les considérer comme des usages possibles, plutôt que comme des capacités vérifiées.
Studio Global AI
Continuez vos recherches
Cette page comprend une réponse basée sur la source que vous pouvez continuer dans Studio Global.
Les gens demandent aussi
Quelle est la réponse courte à « Xiaomi-OCR-0 veut lire les documents, pas seulement les caractères » ?
Présenté dans un article le 31 octobre 2026, Xiaomi OCR 0 est un modèle de 0,8 milliard de paramètres destiné à analyser des documents, en extraire des informations et répondre à des questions sur leur contenu visuel....
Quels sont les points clés à valider en premier ?
Présenté dans un article le 31 octobre 2026, Xiaomi OCR 0 est un modèle de 0,8 milliard de paramètres destiné à analyser des documents, en extraire des informations et répondre à des questions sur leur contenu visuel.... Le modèle part de Qwen3.5 0.8B et a été entraîné sur environ 170 millions d’échantillons axés sur l’OCR, avec plusieurs étapes d’apprentissage décrites par Xiaomi.[1][19]
Que dois-je faire ensuite en pratique ?
Xiaomi annonce notamment un score de 95,24 sur Real5 OmniDocBench, mais le classement du benchmark affiche 92,73 : les deux résultats sont à distinguer.[2][5]