RespostasPublicado24 fontes
Xiaomi-OCR-0: o que o modelo de 0,8 bilhão de parâmetros faz — e o que os testes mostram
Anunciado em outubro de 2026, o Xiaomi OCR 0 é um modelo de 0,8 bilhão de parâmetros voltado a analisar documentos, extrair informações e responder a perguntas sobre imagens. Baseado no Qwen3.5 0.8B, foi treinado com cerca de 170 milhões de amostras focadas em OCR, segundo o relatório técnico.[1] Há uma divergência...
Publicado porEditado com GPT-6 LunaImagens geradas com GPT Image 2
Resposta de pesquisa
Principais conclusões
- Anunciado em outubro de 2026, o Xiaomi OCR 0 é um modelo de 0,8 bilhão de parâmetros voltado a analisar documentos, extrair informações e responder a perguntas sobre imagens.
- Baseado no Qwen3.5 0.8B, foi treinado com cerca de 170 milhões de amostras focadas em OCR, segundo o relatório técnico.[1]
- Há uma divergência no resultado do Real5 OmniDocBench: os materiais do modelo citam 95,24, enquanto o placar do benchmark registra 92,73.[2][5]
Prompt de 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
O Xiaomi-OCR-0 é um modelo compacto de visão e linguagem que vai além de reconhecer caracteres: ele reúne análise da estrutura de documentos, extração de informações importantes e respostas a perguntas sobre conteúdo visual. Uma reportagem publicada em 31 de outubro de 2026 afirma que a Xiaomi anunciou o modelo na noite anterior. Mas o cartão do projeto informa que o relatório técnico e os pesos foram disponibilizados em 30 de setembro — ou seja, o anúncio de outubro aparentemente não foi a primeira divulgação pública do modelo.39
8
Um modelo para ler documentos e responder a perguntas
A Xiaomi descreve o modelo, com 0,8 bilhão de parâmetros, como uma ferramenta para interpretar o conteúdo e a organização de documentos, inclusive materiais complexos como artigos, tabelas e recibos. Entre as tarefas previstas estão analisar documentos, extrair informações-chave e responder a perguntas sobre conteúdo visual.39
1
Os materiais do projeto também apresentam uma demonstração no navegador e ferramentas para uso local. O repositório no GitHub inclui um serviço MCP e um Agent Skill para OCR, leitura de PDFs, extração de informações-chave e perguntas e respostas visuais.30
31
32 Essas são interfaces para desenvolvedores usarem o modelo; não demonstram que todo esse fluxo funciona diretamente em um celular.
Como a Xiaomi diz que o modelo foi treinado
O relatório técnico descreve o Xiaomi-OCR-0 como um modelo que parte do Qwen3.5-0.8B e foi treinado com um conjunto de dados focado em OCR de aproximadamente 170 milhões de amostras. O processo de preparação dos dados combina consenso entre especialistas, verificação por renderização e geração direcionada de exemplos.1
O cartão do modelo apresenta três etapas de treinamento: ancoragem de texto Q-Mask, que associa o texto à sua posição; pré-treinamento adicional com foco em OCR; e aprendizado por reforço com tarefas variadas, usando recompensas verificáveis em exemplos difíceis.19 As fontes disponíveis dão suporte a essa descrição geral, mas não confirmam todos os detalhes de geração de dados ou das recompensas citados em algumas descrições.
Resultados divulgados nos benchmarks
O relatório técnico da Xiaomi e os materiais do cartão do modelo apresentam estes resultados:1
3
| Benchmark ou tarefa | Resultado divulgado | Contexto |
|---|---|---|
| OmniDocBench v1.6 | 96,83 | Os materiais do cartão do modelo o colocam em segundo lugar na comparação citada. |
| Real5-OmniDocBench | 95,24 | Resultado informado pela Xiaomi; os materiais do modelo alegam primeiro lugar. |
| Wild-OmniDocBench | 87,94 | Os materiais do cartão do modelo o colocam em segundo lugar na comparação citada. |
| UniMER-Test | 97,84 | Pontuação de reconhecimento de fórmulas informada no cartão do modelo. |
| PubTabNet | 92,27 | Pontuação de reconhecimento de tabelas informada no cartão do modelo. |
| Média em cinco benchmarks de perguntas e respostas visuais com foco em OCR | 83,2 | O cartão do modelo calcula a média de DocVQA, InfoVQA, ChartQA, OCRBench e TextVQA. |
A pontuação do Real5 exige uma ressalva. O placar do próprio benchmark registra 92,73 para o Xiaomi-OCR-0 no resultado geral, com 93,73 em digitalização, 92,76 em distorção, 92,80 em fotos de tela, 92,68 em iluminação e 91,69 em inclinação. O valor geral difere dos 95,24 divulgados pela Xiaomi; as fontes disponíveis não explicam a discrepância, então os números não devem ser tratados como equivalentes.2
5
A média de 83,2 nos cinco benchmarks de perguntas e respostas visuais também é um resultado divulgado — não uma garantia de desempenho para qualquer documento ou pergunta. Os materiais do cartão comparam essa média com os 80,9 do Qwen3.5-2B; comparações com outros modelos variam conforme a fonte e a configuração do teste.3
14
Uso no celular e ferramentas para desenvolvedores
A reportagem de outubro relaciona o Xiaomi-OCR-0 ao recurso de compreensão de tela com um toque do Super XiaoAi. Os exemplos citados incluem localizar um código de retirada, ler horário e endereço em um cartaz e extrair valor e estabelecimento de uma conta.39
Os materiais do projeto listam repositórios do modelo no Hugging Face e no GitHub, além de uma demonstração no navegador e das ferramentas MCP e Agent Skill locais descritas no projeto do GitHub.25
9
30
31
32
O que as evidências confirmam — e o que não confirmam
As fontes sustentam o quadro geral: o Xiaomi-OCR-0 é um modelo de compreensão de documentos com 0,8 bilhão de parâmetros, treinado com um grande conjunto de dados focado em OCR e apresentado para tarefas que incluem análise, extração e perguntas e respostas visuais. Elas também mostram que há divergência entre um dos resultados de benchmark divulgados pelo modelo e o placar do próprio teste.1
2
5
Afirmações mais específicas — como formatos exatos de saída em JSON para determinados tipos de documento, cálculos detalhados entre diferentes regiões de uma imagem ou todos os fluxos de uso propostos para celulares — não são confirmadas pelas fontes disponíveis aqui. O mais prudente é tratá-las como possibilidades de uso, não como capacidades verificadas.
Studio Global AI
Continue sua pesquisa
Esta página inclui uma resposta baseada na fonte que você pode continuar em Studio Global.
As pessoas também perguntam
Qual é a resposta curta para "Xiaomi-OCR-0: o que o modelo de 0,8 bilhão de parâmetros faz — e o que os testes mostram"?
Anunciado em outubro de 2026, o Xiaomi OCR 0 é um modelo de 0,8 bilhão de parâmetros voltado a analisar documentos, extrair informações e responder a perguntas sobre imagens.
Quais são os pontos-chave para validar primeiro?
Anunciado em outubro de 2026, o Xiaomi OCR 0 é um modelo de 0,8 bilhão de parâmetros voltado a analisar documentos, extrair informações e responder a perguntas sobre imagens. Baseado no Qwen3.5 0.8B, foi treinado com cerca de 170 milhões de amostras focadas em OCR, segundo o relatório técnico.[1]
O que devo fazer a seguir na prática?
Há uma divergência no resultado do Real5 OmniDocBench: os materiais do modelo citam 95,24, enquanto o placar do benchmark registra 92,73.[2][5]