ОтветыОпубликовано24 источники
Xiaomi-OCR-0: компактная модель, которая не просто распознаёт текст
Xiaomi OCR 0 — модель на 0,8 млрд параметров для разбора документов, извлечения ключевых данных и визуальных вопросов и ответов. Модель создана на базе Qwen3.5 0.8B и обучалась на корпусе примерно из 170 млн OCR примеров.[1] В оценках Real5 OmniDocBench есть расхождение: Xiaomi приводит 95,24 балла, а таблица самого...
ОпубликовалОтредактировано с помощью GPT-6 LunaИзображения созданы с помощью GPT Image 2
Ответ на исследование
Ключевые выводы
- Xiaomi OCR 0 — модель на 0,8 млрд параметров для разбора документов, извлечения ключевых данных и визуальных вопросов и ответов.
- Модель создана на базе Qwen3.5 0.8B и обучалась на корпусе примерно из 170 млн OCR примеров.[1]
- В оценках Real5 OmniDocBench есть расхождение: Xiaomi приводит 95,24 балла, а таблица самого бенчмарка — 92,73.[1][2][5]
Промпт ИИ
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 предназначена не только для распознавания отдельных слов. Это компактная мультимодальная модель, которая, по описанию разработчиков, умеет разбирать структуру документов, извлекать из них нужную информацию и отвечать на вопросы по изображению.39
1
В новостной публикации от 31 октября 2026 года говорится, что Xiaomi представила модель накануне вечером. Однако карточка проекта указывает, что технический отчёт и веса стали доступны ещё 30 сентября — то есть октябрьское сообщение, судя по источникам, не было первым появлением модели в открытом доступе.39
8
От распознавания текста — к пониманию документа
Модель с 0,8 млрд параметров рассчитана на работу с текстом и его расположением на странице. Среди заявленных задач — разбор документов, извлечение ключевых сведений и ответы на вопросы о визуальном содержимом. В числе примеров — сложные таблицы, научные статьи и чеки.39
1
В публикации также говорится о применении Xiaomi-OCR-0 в функции распознавания содержимого экрана у голосового помощника Super XiaoAi: например, чтобы найти код заказа, прочитать время и место на афише или извлечь сумму и название продавца из счёта.39 Это описание возможных сценариев, а не подтверждение того, что все они доступны на любом смартфоне.
Для разработчиков в материалах проекта указаны браузерная демоверсия, MCP-сервис и Agent Skill — инструменты для распознавания текста, разбора PDF, извлечения данных и визуальных вопросов и ответов.30
31
32 Это способы работать с моделью через программные инструменты; сами по себе они не означают, что вся обработка выполняется непосредственно на телефоне.
Как обучали модель
Согласно техническому отчёту, Xiaomi-OCR-0 построена на базе Qwen3.5-0.8B и обучалась на корпусе примерно из 170 млн OCR-примеров. При подготовке данных использовались согласованные разметки экспертов, проверка через повторный рендеринг и целевой синтез примеров.1
В карточке модели описаны три этапа обучения: Q-Mask для сопоставления фрагментов текста с их положением на странице, дополнительное предобучение на материалах, связанных с OCR, и смешанное обучение с подкреплением на сложных примерах с проверяемыми вознаграждениями.19 Доступные источники подтверждают общую схему, но не раскрывают все подробности генерации данных и определения вознаграждений.
Результаты в бенчмарках
В техническом отчёте и материалах карточки модели приведены следующие результаты:1
3
| Тест или задача | Результат | Контекст |
|---|---|---|
| OmniDocBench v1.6 | 96,83 | В сравнении на странице модели — второе место. |
| Real5-OmniDocBench | 95,24 | Xiaomi приводит этот результат и заявляет первое место. |
| Wild-OmniDocBench | 87,94 | В сравнении на странице модели — второе место. |
| UniMER-Test | 97,84 | Распознавание математических формул. |
| PubTabNet | 92,27 | Распознавание таблиц. |
| Среднее по пяти тестам визуальных вопросов и ответов | 83,2 | Среднее по DocVQA, InfoVQA, ChartQA, OCRBench и TextVQA. |
Для результата Real5-OmniDocBench есть важная оговорка. В таблице лидеров самого бенчмарка для Xiaomi-OCR-0 указано 92,73 балла в целом. По отдельным условиям там приведены 93,73 за сканирование, 92,76 за съёмку с деформацией, 92,80 за фотографирование экрана, 92,68 за изменения освещения и 91,69 за перекос страницы.2
5
Это расходится с показателем 95,24, который приводят материалы Xiaomi. Доступные источники не объясняют причину расхождения, поэтому эти оценки нельзя считать взаимозаменяемыми.1
2
5
Среднее 83,2 по пяти тестам визуальных вопросов и ответов — тоже результат конкретного набора испытаний, а не гарантия одинаковой точности на любом документе. В материалах модели его сравнивают с показателем 80,9 у Qwen3.5-2B; сравнения с другими моделями зависят от выбранного теста и условий оценки.3
14
Открытые инструменты и границы подтверждённых возможностей
В материалах проекта перечислены репозитории модели на Hugging Face и GitHub, а также браузерная демоверсия и локальные инструменты MCP и Agent Skill.25
9
30
31
32
В целом источники подтверждают, что Xiaomi-OCR-0 — модель на 0,8 млрд параметров для разбора документов и задач, связанных с распознаванием текста, обученная на крупном специализированном корпусе. При этом расхождение в оценках Real5-OmniDocBench показывает, почему результаты модели стоит рассматривать с учётом источника и методики проверки.1
2
5
Более конкретные утверждения — например, о точном формате вывода для каждого типа документов или о конкретных вычислениях по разным областям изображения — имеющиеся источники не подтверждают. Такие сценарии корректнее считать потенциальными вариантами использования, а не проверенными возможностями.
Studio Global AI
Продолжайте свое исследование
На этой странице есть ответ, подтвержденный источником, который вы можете продолжить внутри Studio Global.
Люди также спрашивают
Каков краткий ответ на вопрос «Xiaomi-OCR-0: компактная модель, которая не просто распознаёт текст»?
Xiaomi OCR 0 — модель на 0,8 млрд параметров для разбора документов, извлечения ключевых данных и визуальных вопросов и ответов.
Какие ключевые моменты необходимо проверить в первую очередь?
Xiaomi OCR 0 — модель на 0,8 млрд параметров для разбора документов, извлечения ключевых данных и визуальных вопросов и ответов. Модель создана на базе Qwen3.5 0.8B и обучалась на корпусе примерно из 170 млн OCR примеров.[1]
Что мне делать дальше на практике?
В оценках Real5 OmniDocBench есть расхождение: Xiaomi приводит 95,24 балла, а таблица самого бенчмарка — 92,73.[1][2][5]