AnswersPublished24 sources
Xiaomi-OCR-0: מודל קטן שמנסה להבין מסמכים, לא רק לקרוא אותם
Xiaomi OCR 0 הוא מודל ראייה ושפה קטן יחסית, עם 0.8 מיליארד פרמטרים, שמיועד לפענוח מסמכים, חילוץ מידע ומענה על שאלות חזותיות. לפי הדוח הטכני, המודל מבוסס על Qwen3.5 0.8B ואומן על כ־170 מיליון דוגמאות ממוקדות OCR.
פורסם על ידינערך באמצעות GPT-6 Lunaהתמונות נוצרו באמצעות GPT Image 2
Research answer
Key takeaways
- Xiaomi OCR 0 הוא מודל ראייה ושפה קטן יחסית, עם 0.8 מיליארד פרמטרים, שמיועד לפענוח מסמכים, חילוץ מידע ומענה על שאלות חזותיות.
- לפי הדוח הטכני, המודל מבוסס על Qwen3.5 0.8B ואומן על כ־170 מיליון דוגמאות ממוקדות OCR.
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 נועד לעשות יותר מזיהוי תווים: הוא משלב פענוח של מבנה המסמך, חילוץ פרטים חשובים ומענה על שאלות לגבי התוכן החזותי. לפי דיווח שפורסם ב־31 באוקטובר 2026, שיאומי הכריזה על המודל בערב שלפני כן. עם זאת, כרטיס המודל מציין שהדוח הטכני והמשקולות פורסמו כבר ב־30 בספטמבר — כך שההכרזה באוקטובר לא נראית כמו מועד הזמינות הציבורית הראשון שלו.39
8
ממסמך לשאלה — במודל אחד
שיאומי מציגה את Xiaomi-OCR-0 כמודל עם 0.8 מיליארד פרמטרים, שנועד להבין גם את תוכן המסמך וגם את המבנה והפריסה שלו. בין השימושים המתוארים: פענוח מסמכים מורכבים כמו מאמרים, טבלאות וקבלות, חילוץ מידע מרכזי ומענה על שאלות לגבי תוכן חזותי.39
1
בחומרי הפרויקט מוצגים גם הדגמה בדפדפן וכלים למפתחים: מאגר GitHub כולל שירות MCP ו־Agent Skill למשימות OCR, פענוח PDF, חילוץ מידע ומענה על שאלות חזותיות.30
31
32 מדובר בממשקים וכלים להפעלת המודל — לא בהוכחה שכל התהליכים האלה מתבצעים ישירות בטלפון.
איך אימנו את המודל
לפי הדוח הטכני, Xiaomi-OCR-0 מבוסס על Qwen3.5-0.8B ואומן על מאגר ממוקד OCR הכולל כ־170 מיליון דוגמאות. תהליך הכנת הנתונים משלב הסכמה בין מודלים מומחים, בדיקה באמצעות רינדור ויצירת דוגמאות ממוקדת.1
כרטיס המודל מתאר שלושה שלבי אימון: עיגון טקסט באמצעות Q-Mask כדי לקשר בין הטקסט למיקומו, המשך אימון ממוקד OCR, ולמידת חיזוק במשימות משולבות — עם תגמולים שניתנים לאימות בדוגמאות מאתגרות.19 המקורות תומכים בתיאור הכללי הזה, אך לא מאשרים כל פרט על יצירת הנתונים או על הגדרת התגמולים שהופיע בחלק מהתיאורים.
מה מראים המדדים שפורסמו
אלה התוצאות המרכזיות שמופיעות בדוח הטכני ובחומרי כרטיס המודל של Xiaomi-OCR-0:1
3
| מדד או משימה | ציון שפורסם | הקשר |
|---|---|---|
| OmniDocBench v1.6 | 96.83 | בחומרי כרטיס המודל הוא מדורג במקום השני בהשוואה המוצגת שם. |
| Real5-OmniDocBench | 95.24 | זה הציון שפורסם בפרויקט, לצד טענה למקום הראשון. |
| Wild-OmniDocBench | 87.94 | בחומרי כרטיס המודל הוא מדורג במקום השני בהשוואה המוצגת שם. |
| UniMER-Test | 97.84 | ציון בזיהוי נוסחאות, לפי כרטיס המודל. |
| PubTabNet | 92.27 | ציון בזיהוי טבלאות, לפי כרטיס המודל. |
| ממוצע בחמישה מדדי שאלות ותשובות ממוקדי OCR | 83.2 | הממוצע שפורסם עבור DocVQA, InfoVQA, ChartQA, OCRBench ו־TextVQA. |
אבל יש הסתייגות חשובה לגבי Real5. לוח התוצאות של המדד עצמו מציג ל־Xiaomi-OCR-0 ציון כולל של 92.73: 93.73 בסריקה, 92.76 בעיוות, 92.80 בצילום מסך, 92.68 בשינויי תאורה ו־91.69 בהטיה. הציון הזה שונה מה־95.24 שפורסם בחומרי Xiaomi, והמקורות הזמינים לא מסבירים את הפער. לכן אין להתייחס לשני המספרים כאילו הם אותה תוצאה.2
5
גם ממוצע 83.2 בחמשת מדדי השאלות והתשובות הוא תוצאה מדווחת, ולא הבטחה לביצועים זהים בכל מסמך או שאלה. בחומרי כרטיס המודל משווים אותו ל־Qwen3.5-2B, שקיבל 80.9; השוואות למודלים אחרים תלויות במקור ובתנאי המדידה.3
14
שימוש בטלפון וכלים למפתחים
הדיווח מאוקטובר קושר בין Xiaomi-OCR-0 לבין הבנת המסך בלחיצה אחת באמצעות Super XiaoAi. הדוגמאות שמופיעות בו כוללות איתור קוד לאיסוף הזמנה, קריאת זמן ומיקום מכרזה, וחילוץ סכום ושם עסק מחשבון.39
חומרי הפרויקט מציגים מאגרי מודל ב־Hugging Face וב־GitHub, לצד הדגמה בדפדפן וכלי MCP ו־Agent Skill מקומיים שמתוארים בחומרי GitHub.25
9
30
31
32
מה אפשר להסיק — ומה עדיין לא
המקורות תומכים בתמונה הכללית: Xiaomi-OCR-0 הוא מודל להבנת מסמכים עם 0.8 מיליארד פרמטרים, שאומן על מאגר גדול וממוקד OCR, ושמיועד לפענוח מסמכים, חילוץ מידע ומענה על שאלות חזותיות. הם גם מראים שלפחות אחד המדדים הבולטים מופיע בציון שונה בחומרי המודל ובלוח התוצאות של המדד.1
2
5
לעומת זאת, המקורות הזמינים כאן אינם מאשרים טענות מפורטות יותר — למשל התנהגות מדויקת של פלט JSON עבור סוגי מסמכים מסוימים, חישובים בין אזורים שונים במסמך או כל אחד מתרחישי השימוש המוצעים בטלפון. נכון יותר לראות בהם שימושים אפשריים, ולא יכולות שאומתו במלואן.
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: מודל קטן שמנסה להבין מסמכים, לא רק לקרוא אותם"?
Xiaomi OCR 0 הוא מודל ראייה ושפה קטן יחסית, עם 0.8 מיליארד פרמטרים, שמיועד לפענוח מסמכים, חילוץ מידע ומענה על שאלות חזותיות.
What are the key points to validate first?
Xiaomi OCR 0 הוא מודל ראייה ושפה קטן יחסית, עם 0.8 מיליארד פרמטרים, שמיועד לפענוח מסמכים, חילוץ מידע ומענה על שאלות חזותיות. לפי הדוח הטכני, המודל מבוסס על Qwen3.5 0.8B ואומן על כ־170 מיליון דוגמאות ממוקדות OCR.