JawabanDipublikasikan24 sumber
Xiaomi-OCR-0 Bisa Membaca Dokumen—Tapi Ada Catatan pada Skor Uji
Xiaomi OCR 0 menggabungkan penguraian dokumen, ekstraksi informasi penting, dan tanya jawab visual dalam model 0,8 miliar parameter.[39][1] Model ini berangkat dari Qwen3.5 0.8B dan dilatih menggunakan sekitar 170 juta sampel berfokus OCR.[1] Skor Real5 OmniDocBench versi Xiaomi adalah 95,24, tetapi papan peringkat...
Diterbitkan olehDiedit dengan GPT-6 LunaGambar dibuat dengan GPT Image 2
Jawaban penelitian
Poin-poin penting
- Xiaomi OCR 0 menggabungkan penguraian dokumen, ekstraksi informasi penting, dan tanya jawab visual dalam model 0,8 miliar parameter.[39][1]
- Model ini berangkat dari Qwen3.5 0.8B dan dilatih menggunakan sekitar 170 juta sampel berfokus OCR.[1]
- Skor Real5 OmniDocBench versi Xiaomi adalah 95,24, tetapi papan peringkat benchmark mencatat 92,73 secara keseluruhan—perbedaan yang belum dijelaskan sumber yang tersedia.[2][5]
AI Perintah
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 dirancang untuk melakukan lebih dari sekadar mengenali tulisan. Model visi-bahasa berukuran 0,8 miliar parameter ini ditujukan untuk mengurai dokumen, mengambil informasi penting, dan menjawab pertanyaan berdasarkan konten visual. Laporan berita pada 31 Oktober 2026 menyebut Xiaomi mengumumkan model tersebut pada malam sebelumnya. Namun, kartu model mencatat laporan teknis dan perilisan bobot model pada 30 September, sehingga pengumuman Oktober tampaknya bukan pertama kalinya model tersedia untuk publik.39
8
Bukan cuma membaca teks
Xiaomi menggambarkan model ini sebagai alat untuk memahami isi sekaligus tata letak dokumen, termasuk dokumen kompleks seperti makalah, tabel, dan kuitansi. Tugas yang disebutkan mencakup penguraian dokumen, ekstraksi informasi penting, dan menjawab pertanyaan tentang konten visual.39
1
Materi pengembang juga mencantumkan demo di peramban serta perangkat untuk penggunaan lokal. Repositori GitHub menyediakan layanan MCP dan Agent Skill untuk OCR, penguraian PDF, ekstraksi informasi penting, dan tanya jawab visual.30
31
32 Perangkat-perangkat ini merupakan antarmuka bagi pengembang; keberadaannya bukan bukti bahwa semua alur kerja tersebut berjalan langsung di ponsel.
Cara Xiaomi melatih modelnya
Laporan teknis menyebut Xiaomi-OCR-0 dikembangkan dari Qwen3.5-0.8B dan dilatih dengan korpus yang berfokus pada OCR, berisi sekitar 170 juta sampel. Proses penyusunan datanya menggabungkan konsensus para ahli, verifikasi berbasis hasil render, dan sintesis data terarah.1
Kartu model merangkum tiga tahap pelatihan: Q-Mask untuk menyelaraskan teks dengan posisinya, pelatihan lanjutan yang berfokus pada OCR, lalu penguatan pembelajaran campuran dengan imbalan yang dapat diverifikasi pada contoh sulit.19 Sumber yang tersedia mendukung gambaran umum tersebut, tetapi tidak merinci semua metode pembuatan data atau definisi imbalan yang kadang disebut dalam uraian lain.
Hasil benchmark yang dilaporkan
Berikut angka utama dari laporan teknis Xiaomi dan materi kartu modelnya:1
3
| Benchmark atau tugas | Skor yang dilaporkan | Keterangan |
|---|---|---|
| OmniDocBench v1.6 | 96,83 | Kartu model menempatkannya di posisi kedua dalam perbandingan yang dicantumkan. |
| Real5-OmniDocBench | 95,24 | Xiaomi melaporkan skor ini dan mengklaim posisi pertama. |
| Wild-OmniDocBench | 87,94 | Kartu model menempatkannya di posisi kedua dalam perbandingan yang dicantumkan. |
| UniMER-Test | 97,84 | Skor pengenalan formula dalam kartu model. |
| PubTabNet | 92,27 | Skor pengenalan tabel dalam kartu model. |
| Rata-rata lima benchmark tanya jawab visual berfokus OCR | 83,2 | Rata-rata DocVQA, InfoVQA, ChartQA, OCRBench, dan TextVQA. |
Ada catatan penting pada skor Real5. Papan peringkat benchmark itu sendiri mencatat skor keseluruhan Xiaomi-OCR-0 sebesar 92,73. Rinciannya: 93,73 untuk pemindaian, 92,76 untuk warping, 92,80 untuk pemotretan layar, 92,68 untuk pencahayaan, dan 91,69 untuk kemiringan. Angka ini berbeda dari 95,24 yang dilaporkan Xiaomi; sumber yang tersedia tidak menjelaskan penyebab selisihnya. Karena itu, kedua angka tersebut tidak sebaiknya dianggap setara.2
5
Rata-rata 83,2 pada lima benchmark tanya jawab visual juga merupakan hasil pengujian yang dilaporkan, bukan jaminan kinerja pada setiap dokumen atau pertanyaan. Kartu model membandingkan angka itu dengan skor 80,9 untuk Qwen3.5-2B. Perbandingan dengan model lain dapat berbeda bergantung pada sumber dan pengaturan benchmark yang digunakan.3
14
Kaitan dengan ponsel dan perangkat pengembang
Laporan berita Oktober mengaitkan Xiaomi-OCR-0 dengan fitur pemahaman layar sekali ketuk pada Super XiaoAi. Contoh yang disebutkan antara lain mencari kode pengambilan pesanan, membaca waktu dan lokasi pada poster, serta mengambil nominal dan nama pedagang dari tagihan.39
Materi proyek mencantumkan repositori model di Hugging Face dan GitHub, serta demo peramban dan perangkat MCP serta Agent Skill lokal dalam materi GitHub.25
9
30
31
32
Apa yang sudah dan belum dibuktikan
Sumber yang tersedia mendukung gambaran utamanya: Xiaomi-OCR-0 adalah model pemahaman dokumen 0,8 miliar parameter yang dilatih dengan korpus besar berfokus OCR. Kemampuan yang diklaim mencakup penguraian dokumen, ekstraksi informasi, dan tanya jawab visual. Sumber-sumber itu juga menunjukkan bahwa setidaknya satu angka benchmark utama berbeda antara materi model dan papan peringkat benchmark.1
2
5
Namun, klaim yang lebih spesifik—misalnya format keluaran JSON untuk jenis dokumen tertentu, perhitungan lintasbagian dokumen, atau setiap alur penggunaan di ponsel—belum dibuktikan oleh sumber yang tersedia di sini. Untuk saat ini, lebih aman menganggapnya sebagai potensi penggunaan, bukan kemampuan yang sudah terverifikasi.
Studio Global AI
Lanjutkan penelitian Anda
Halaman ini berisi jawaban yang didukung sumber yang dapat Anda lanjutkan di dalam Studio Global.
Orang-orang juga bertanya
Apa jawaban singkat untuk "Xiaomi-OCR-0 Bisa Membaca Dokumen—Tapi Ada Catatan pada Skor Uji"?
Xiaomi OCR 0 menggabungkan penguraian dokumen, ekstraksi informasi penting, dan tanya jawab visual dalam model 0,8 miliar parameter.[39][1]
Apa poin penting yang harus divalidasi terlebih dahulu?
Xiaomi OCR 0 menggabungkan penguraian dokumen, ekstraksi informasi penting, dan tanya jawab visual dalam model 0,8 miliar parameter.[39][1] Model ini berangkat dari Qwen3.5 0.8B dan dilatih menggunakan sekitar 170 juta sampel berfokus OCR.[1]
Apa yang harus saya lakukan selanjutnya dalam latihan?
Skor Real5 OmniDocBench versi Xiaomi adalah 95,24, tetapi papan peringkat benchmark mencatat 92,73 secara keseluruhan—perbedaan yang belum dijelaskan sumber yang tersedia.[2][5]