답변게시됨24 소스
Xiaomi-OCR-0, 문서 읽기부터 질문 답변까지…벤치마크 성적은 따져봐야
Xiaomi OCR 0은 문서 분석, 핵심 정보 추출, 시각 질의응답을 지원한다고 소개된 0.8B 비전언어 모델입니다.[39][1] Qwen3.5 0.8B를 기반으로 약 1억 7천만 건의 OCR 중심 샘플을 활용해 학습했다고 기술 보고서가 설명합니다.[1] 샤오미가 제시한 Real5 OmniDocBench 점수 95.24와 벤치마크 리더보드에 올라온 92.73은 서로 다릅니다.[1][2][5]
게시자GPT-6 Luna로 편집GPT Image 2로 이미지 생성
연구 답변
주요 시사점
- Xiaomi OCR 0은 문서 분석, 핵심 정보 추출, 시각 질의응답을 지원한다고 소개된 0.8B 비전언어 모델입니다.[39][1]
- Qwen3.5 0.8B를 기반으로 약 1억 7천만 건의 OCR 중심 샘플을 활용해 학습했다고 기술 보고서가 설명합니다.[1]
- 샤오미가 제시한 Real5 OmniDocBench 점수 95.24와 벤치마크 리더보드에 올라온 92.73은 서로 다릅니다.[1][2][5]
AI 프롬프트
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
샤오미가 문서의 글자만 읽는 데서 나아가, 문서의 구성과 의미까지 파악하도록 설계한 소형 모델 ‘Xiaomi-OCR-0’을 공개했습니다. 0.8B(8억) 매개변수 규모로 문서 분석, 핵심 정보 추출, 이미지 기반 질문 답변을 한데 묶은 비전언어 모델입니다.39
1
다만 공개 시점에는 맥락을 덧붙일 필요가 있습니다. 2026년 10월 31일자 보도는 샤오미가 전날 저녁 모델을 발표했다고 전하지만, 프로젝트 모델 카드는 기술 보고서와 모델 가중치 공개일을 9월 30일로 기록하고 있습니다. 따라서 10월 발표가 모델의 첫 공개를 뜻하는 것은 아닌 것으로 보입니다.39
8
OCR을 넘어 문서 내용을 이해하는 모델
샤오미는 Xiaomi-OCR-0이 논문, 표, 영수증처럼 구조가 복잡한 문서를 처리하도록 설계됐다고 설명합니다. 주요 기능은 문서 구조 분석, 필요한 정보 추출, 이미지 속 내용에 대한 질문 답변입니다.39
1
프로젝트 개발 자료에는 브라우저 데모와 로컬 실행 도구도 소개돼 있습니다. GitHub 저장소에는 OCR, PDF 분석, 핵심 정보 추출, 시각 질의응답을 위한 MCP 서비스와 Agent Skill이 포함돼 있습니다.30
31
32 이는 모델을 활용하기 위한 개발자용 인터페이스이며, 모든 기능이 스마트폰에서 직접 실행된다는 뜻은 아닙니다.
학습 방식: Qwen 기반에 OCR 데이터를 더해
기술 보고서에 따르면 Xiaomi-OCR-0은 Qwen3.5-0.8B를 출발점으로 삼아 약 1억 7천만 건의 OCR 중심 데이터로 학습했습니다. 데이터 구축에는 전문가 합의, 렌더링 결과를 통한 검증, 목적에 맞춘 합성 데이터 생성이 활용됐다고 보고서는 설명합니다.1
모델 카드가 소개하는 학습은 세 단계입니다. 먼저 Q-Mask 방식으로 텍스트와 문서 안의 위치를 맞추고, OCR 중심 추가 사전학습을 거친 뒤, 어려운 사례에 검증 가능한 보상을 적용하는 혼합 과제 강화학습을 진행합니다.19 다만 공개된 자료만으로는 일부 설명에서 언급되는 세부 데이터 생성 절차나 보상 정의까지 모두 확인하기 어렵습니다.
공개된 벤치마크 성적
샤오미의 기술 보고서와 모델 카드가 제시한 주요 점수는 다음과 같습니다.1
3
| 벤치마크·과제 | 제시 점수 | 참고 |
|---|---|---|
| OmniDocBench v1.6 | 96.83 | 모델 카드의 비교표에서 2위로 표기 |
| Real5-OmniDocBench | 95.24 | 샤오미 자료는 1위라고 주장 |
| Wild-OmniDocBench | 87.94 | 모델 카드의 비교표에서 2위로 표기 |
| UniMER-Test | 97.84 | 수식 인식 점수 |
| PubTabNet | 92.27 | 표 인식 점수 |
| OCR 중심 시각 질의응답 벤치마크 5종 평균 | 83.2 | DocVQA, InfoVQA, ChartQA, OCRBench, TextVQA 평균 |
Real5-OmniDocBench 점수에는 차이가 있습니다. 벤치마크 공식 리더보드에는 Xiaomi-OCR-0의 종합 점수가 92.73으로 나와 있습니다. 세부 점수는 스캔 93.73, 휘어짐 92.76, 화면 촬영 92.80, 조명 변화 92.68, 기울어짐 91.69입니다. 이는 샤오미 자료의 95.24와 다르며, 현재 확인 가능한 자료는 그 차이를 설명하지 않습니다. 두 점수를 같은 결과처럼 취급해서는 안 됩니다.2
5
시각 질의응답 5종 평균 83.2 역시 보고된 벤치마크 결과이지, 모든 문서나 질문에서 같은 성능을 보장한다는 뜻은 아닙니다. 모델 카드 자료는 이를 Qwen3.5-2B의 80.9와 비교합니다. 다른 모델과의 비교 결과는 자료와 벤치마크 설정에 따라 달라질 수 있습니다.3
14
스마트폰 활용과 개발자 도구
10월 보도는 Xiaomi-OCR-0을 샤오미 음성 비서 ‘슈퍼 샤오아이(Super XiaoAi)’의 화면 이해 기능과 연결해 소개합니다. 예를 들어 메시지 속 픽업 코드를 찾거나, 포스터에서 시간과 장소를 읽고, 영수증에서 금액과 가맹점 정보를 추출하는 식입니다.39
모델 저장소는 Hugging Face와 GitHub에서 확인할 수 있습니다. 프로젝트 자료에는 브라우저 데모와 로컬 MCP 서비스, Agent Skill 도구도 소개돼 있습니다.25
9
30
31
32
성능을 볼 때 유의할 점
자료를 종합하면 Xiaomi-OCR-0은 0.8B 규모의 문서 이해 모델로, 대규모 OCR 중심 데이터에 기반해 문서 분석·정보 추출·시각 질의응답을 수행하도록 만들어졌습니다. 한편 주요 점수 가운데 Real5-OmniDocBench 결과는 모델 자료와 해당 벤치마크 리더보드가 서로 다르게 제시하고 있습니다.1
2
5
특정 문서 유형에서의 정확한 JSON 출력 방식, 문서 여러 영역을 연결한 계산, 스마트폰에서 제안된 모든 작업 흐름 등 더 구체적인 기능은 현재 확인 가능한 자료만으로 검증되지 않습니다. 따라서 이런 내용은 확인된 성능이라기보다 잠재적 활용 사례로 보는 편이 안전합니다.
Studio Global AI
연구를 계속하세요
이 페이지에는 Studio Global 내에서 계속할 수 있는 소스 기반 답변이 포함되어 있습니다.
사람들은 또한 묻습니다.
"Xiaomi-OCR-0, 문서 읽기부터 질문 답변까지…벤치마크 성적은 따져봐야"에 대한 짧은 대답은 무엇입니까?
Xiaomi OCR 0은 문서 분석, 핵심 정보 추출, 시각 질의응답을 지원한다고 소개된 0.8B 비전언어 모델입니다.[39][1]
먼저 검증할 핵심 포인트는 무엇인가요?
Xiaomi OCR 0은 문서 분석, 핵심 정보 추출, 시각 질의응답을 지원한다고 소개된 0.8B 비전언어 모델입니다.[39][1] Qwen3.5 0.8B를 기반으로 약 1억 7천만 건의 OCR 중심 샘플을 활용해 학습했다고 기술 보고서가 설명합니다.[1]
실무에서는 다음으로 무엇을 해야 합니까?
샤오미가 제시한 Real5 OmniDocBench 점수 95.24와 벤치마크 리더보드에 올라온 92.73은 서로 다릅니다.[1][2][5]