AnswersPublished24 sources
Xiaomi-OCR-0: Model 0.8B yang Faham Dokumen, Bukan Sekadar Baca Teks
Xiaomi OCR 0 ialah model visi bahasa 0.8B untuk menghuraikan dokumen, mengekstrak maklumat penting dan menjawab soalan berdasarkan kandungan visual.[39][1] Model ini bermula daripada Qwen3.5 0.8B dan dilatih menggunakan korpus kira kira 170 juta sampel berfokuskan OCR.[1] Skor Real5 OmniDocBench yang dilaporkan Xiao...
Diterbitkan olehDisunting dengan GPT-6 LunaImej dijana dengan GPT Image 2
Research answer
Key takeaways
- Xiaomi OCR 0 ialah model visi bahasa 0.8B untuk menghuraikan dokumen, mengekstrak maklumat penting dan menjawab soalan berdasarkan kandungan visual.[39][1]
- Model ini bermula daripada Qwen3.5 0.8B dan dilatih menggunakan korpus kira kira 170 juta sampel berfokuskan OCR.[1]
- Skor Real5 OmniDocBench yang dilaporkan Xiaomi ialah 95.24, tetapi papan pendahulu penanda aras menyenaraikan 92.73 keseluruhan; sumber yang ada tidak menjelaskan perbezaan itu.[2][5]
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 ialah model visi-bahasa ringkas yang direka untuk melakukan lebih daripada sekadar mengecam teks. Ia turut menghurai dokumen, mencari maklumat penting dan menjawab soalan tentang kandungan visual. Menurut laporan berita bertarikh 31 Oktober 2026, Xiaomi mengumumkan model itu pada malam sebelumnya. Namun, kad model projek tersebut menyatakan laporan teknikal dan pemberat model telah diterbitkan pada 30 September, jadi pengumuman Oktober nampaknya bukan kali pertama model ini tersedia kepada umum.39
8
Satu model untuk memahami dokumen
Xiaomi menyifatkan model berparameter 0.8 bilion ini sebagai alat untuk memahami kandungan dan susun atur dokumen, termasuk bahan yang rumit seperti kertas penyelidikan, jadual dan resit. Tugas yang dinyatakan merangkumi penghuraian dokumen, pengekstrakan maklumat utama dan soal jawab visual—iaitu menjawab soalan berdasarkan apa yang kelihatan dalam imej atau dokumen.39
1
Bahan pembangun turut menyenaraikan demo pelayar serta alat untuk dijalankan secara setempat. Repositori GitHub projek menyediakan perkhidmatan MCP dan Agent Skill bagi OCR, penghuraian PDF, pengekstrakan maklumat penting dan soal jawab visual.30
31
32 Ini ialah antara muka serta alat pembangun untuk menggunakan model, bukannya bukti bahawa setiap aliran kerja boleh dijalankan terus pada telefon.
Bagaimana model ini dilatih
Laporan teknikal menyatakan Xiaomi-OCR-0 dibangunkan daripada Qwen3.5-0.8B dan dilatih menggunakan korpus berfokuskan OCR yang mengandungi kira-kira 170 juta sampel. Proses penyediaan data itu menggabungkan konsensus pakar, pengesahan berasaskan pemaparan semula dan sintesis data yang disasarkan.1
Kad model menerangkan tiga peringkat latihan: Q-Mask text anchoring untuk memadankan teks dengan kedudukannya, latihan pralatihan berterusan yang berfokuskan OCR, dan pembelajaran pengukuhan pelbagai tugas dengan ganjaran yang boleh disahkan bagi contoh sukar.19 Sumber yang tersedia menyokong gambaran umum ini, tetapi tidak mengesahkan setiap perincian tentang cara data dijana atau takrif ganjaran yang digunakan.
Keputusan penanda aras yang dilaporkan
Laporan teknikal Xiaomi dan bahan kad model menyenaraikan keputusan berikut:1
3
| Penanda aras atau tugas | Skor dilaporkan | Konteks |
|---|---|---|
| OmniDocBench v1.6 | 96.83 | Kad model meletakkannya di tempat kedua dalam perbandingan yang dirujuk. |
| Real5-OmniDocBench | 95.24 | Xiaomi melaporkan skor ini dan mendakwa kedudukan pertama. |
| Wild-OmniDocBench | 87.94 | Kad model meletakkannya di tempat kedua dalam perbandingan yang dirujuk. |
| UniMER-Test | 97.84 | Skor pengecaman formula yang disenaraikan dalam kad model. |
| PubTabNet | 92.27 | Skor pengecaman jadual yang disenaraikan dalam kad model. |
| Purata lima penanda aras VQA berfokus OCR | 83.2 | Purata yang disenaraikan merangkumi DocVQA, InfoVQA, ChartQA, OCRBench dan TextVQA. |
Skor Real5 perlu dibaca dengan berhati-hati. Papan pendahulu rasmi penanda aras itu menyenaraikan skor keseluruhan Xiaomi-OCR-0 sebanyak 92.73. Skor mengikut keadaan ialah 93.73 untuk imbasan, 92.76 untuk warping, 92.80 untuk fotografi skrin, 92.68 untuk pencahayaan dan 91.69 untuk kecondongan. Angka ini berbeza daripada 95.24 yang dilaporkan Xiaomi; sumber yang tersedia tidak menerangkan percanggahan tersebut, jadi kedua-duanya tidak wajar dianggap sebagai skor yang sama.2
5
Purata 83.2 bagi lima penanda aras soal jawab visual juga merupakan keputusan yang dilaporkan, bukannya jaminan prestasi untuk setiap dokumen atau soalan. Bahan kad model membandingkannya dengan skor 80.9 bagi Qwen3.5-2B; perbandingan dengan model lain pula bergantung pada sumber dan kaedah penanda aras yang digunakan.3
14
Penggunaan pada telefon dan alat pembangun
Laporan berita Oktober mengaitkan Xiaomi-OCR-0 dengan ciri pemahaman skrin sekali sentuh dalam Super XiaoAi. Contoh yang diberikan termasuk mencari kod pengambilan makanan, membaca masa dan lokasi pada poster, serta mengambil butiran amaun dan nama peniaga daripada bil.39
Bahan projek menyenaraikan repositori model di Hugging Face dan GitHub. Turut tersedia ialah demo pelayar serta alat MCP dan Agent Skill setempat yang diterangkan dalam bahan projek GitHub.25
9
30
31
32
Apa yang disokong oleh bukti
Sumber yang ada menyokong gambaran utama: Xiaomi-OCR-0 ialah model pemahaman dokumen 0.8B yang dilatih menggunakan korpus besar berfokuskan OCR, dengan keupayaan yang dinyatakan merangkumi penghuraian, pengekstrakan maklumat dan soal jawab visual. Sumber-sumber itu juga menunjukkan bahawa sekurang-kurangnya satu angka penanda aras utama berbeza antara bahan model Xiaomi dengan papan pendahulu penanda aras.1
2
5
Butiran lebih khusus—seperti bentuk output JSON untuk jenis dokumen tertentu, pengiraan yang menggabungkan maklumat dari bahagian berlainan dokumen, atau setiap aliran kerja yang dicadangkan untuk telefon—tidak dapat dipastikan daripada sumber yang tersedia di sini. Lebih tepat untuk menganggapnya sebagai kemungkinan kegunaan, bukan keupayaan yang telah disahkan.
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: Model 0.8B yang Faham Dokumen, Bukan Sekadar Baca Teks"?
Xiaomi OCR 0 ialah model visi bahasa 0.8B untuk menghuraikan dokumen, mengekstrak maklumat penting dan menjawab soalan berdasarkan kandungan visual.[39][1]
What are the key points to validate first?
Xiaomi OCR 0 ialah model visi bahasa 0.8B untuk menghuraikan dokumen, mengekstrak maklumat penting dan menjawab soalan berdasarkan kandungan visual.[39][1] Model ini bermula daripada Qwen3.5 0.8B dan dilatih menggunakan korpus kira kira 170 juta sampel berfokuskan OCR.[1]
What should I do next in practice?
Skor Real5 OmniDocBench yang dilaporkan Xiaomi ialah 95.24, tetapi papan pendahulu penanda aras menyenaraikan 92.73 keseluruhan; sumber yang ada tidak menjelaskan perbezaan itu.[2][5]