AnswersPublished24 sources
Xiaomi-OCR-0: Belgeleri okuyup anlayan modelin sınırları neler?
Ekim 2026’da duyurulan Xiaomi OCR 0, belge ayrıştırma, önemli bilgileri çıkarma ve görsel soru cevap için geliştirilmiş 0,8 milyar parametreli bir model. Model, Qwen3.5 0.8B temel alınarak yaklaşık 170 milyon OCR odaklı örnekle eğitildi; eğitiminde metin konum eşleştirme, devam ön eğitimi ve karma görevli pekiştirme...
YayımlayanGPT-6 Luna ile düzenlendiGörseller GPT Image 2 ile oluşturuldu
Research answer
Key takeaways
- Ekim 2026’da duyurulan Xiaomi OCR 0, belge ayrıştırma, önemli bilgileri çıkarma ve görsel soru cevap için geliştirilmiş 0,8 milyar parametreli bir model.
- Model, Qwen3.5 0.8B temel alınarak yaklaşık 170 milyon OCR odaklı örnekle eğitildi; eğitiminde metin konum eşleştirme, devam ön eğitimi ve karma görevli pekiştirmeli öğrenme kullanıldı.[1]
- Xiaomi’nin Real5 OmniDocBench için bildirdiği 95,24 puan, benchmark’ın kendi tablosundaki 92,73 puanla uyuşmuyor; kaynaklarda farkın nedeni açıklanmıyor.[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, yalnızca görseldeki yazıları tanımayı değil; belge düzenini çözümlemeyi, önemli bilgileri ayıklamayı ve görsel içerikle ilgili soruları yanıtlamayı hedefleyen kompakt bir görsel-dil modeli. 31 Ekim 2026’da yayımlanan bir habere göre Xiaomi modeli bir önceki akşam duyurdu. Öte yandan proje kartı teknik raporun ve model ağırlıklarının 30 Eylül’de yayımlandığını belirtiyor. Dolayısıyla ekim ayındaki duyuru, modelin ilk kez erişime açıldığı tarih gibi görünmüyor.39
8
Belgeyi okumaktan soruları yanıtlamaya
Xiaomi, 0,8 milyar parametreli modeli; makale, tablo ve fiş gibi karmaşık belgelerin metnini ve sayfa düzenini anlamak için geliştirdiğini söylüyor. Modelin açıklanan kullanım alanları arasında belge ayrıştırma, önemli bilgileri çıkarma ve görsel içerik hakkında soruları yanıtlama bulunuyor.39
1
Proje materyallerinde tarayıcı demosunun yanı sıra yerel kullanım araçları da yer alıyor. GitHub deposunda OCR, PDF ayrıştırma, bilgi çıkarma ve görsel soru-cevap için bir MCP servisi ve Agent Skill tanımlanmış.30
31
32 Bunlar model çevresinde sunulan geliştirici araçları; her iş akışının doğrudan telefonda çalıştığını gösteren kanıtlar değil.
Eğitiminde neler kullanıldı?
Teknik rapora göre Xiaomi-OCR-0, Qwen3.5-0.8B temel alınarak geliştirildi ve yaklaşık 170 milyon OCR odaklı örnek içeren bir veri kümesiyle eğitildi. Veri hazırlama sürecinde uzman görüşlerinin birleştirilmesi, çıktının yeniden çizdirilerek doğrulanması ve hedefli sentetik veri üretimi kullanıldığı belirtiliyor.1
Model kartı eğitimi üç aşamada özetliyor: metin parçalarını sayfadaki konumlarıyla eşleştiren Q-Mask metin sabitleme, OCR odaklı devam ön eğitimi ve zor örneklerde doğrulanabilir ödüller kullanan karma görevli pekiştirmeli öğrenme.19 Eldeki kaynaklar bu genel yöntemi destekliyor; ancak bazı açıklamalarda geçen tüm veri üretme ayrıntılarını veya ödül tanımlarını doğrulamıyor.
Açıklanan benchmark sonuçları
Xiaomi’nin teknik raporu ve model kartında öne çıkardığı sonuçlar şöyle:1
3
| Benchmark veya görev | Bildirilen puan | Bağlam |
|---|---|---|
| OmniDocBench v1.6 | 96,83 | Model kartındaki karşılaştırmada ikinci sırada gösteriliyor. |
| Real5-OmniDocBench | 95,24 | Xiaomi’nin raporu ve model kartı bu puanı bildiriyor ve birincilik iddiasında bulunuyor. |
| Wild-OmniDocBench | 87,94 | Model kartındaki karşılaştırmada ikinci sırada gösteriliyor. |
| UniMER-Test | 97,84 | Model kartında formül tanıma puanı olarak veriliyor. |
| PubTabNet | 92,27 | Model kartında tablo tanıma puanı olarak veriliyor. |
| OCR odaklı beş görsel soru-cevap benchmark’ı | Ortalama 83,2 | Model kartı DocVQA, InfoVQA, ChartQA, OCRBench ve TextVQA sonuçlarının ortalamasını bildiriyor. |
Real5 puanında açıklanmamış bir fark var. Benchmark’ın kendi liderlik tablosunda Xiaomi-OCR-0’ın toplam puanı 92,73 olarak listeleniyor. Koşullara göre puanlar taramada 93,73, bükülmede 92,76, ekran fotoğrafında 92,80, aydınlatmada 92,68 ve eğiklikte 91,69.2
5 Bu sonuç, Xiaomi’nin bildirdiği 95,24’ten farklı. Mevcut kaynaklar farkın nedenini açıklamıyor; bu yüzden iki puanı aynı sonuçmuş gibi değerlendirmemek gerekiyor.
2
5
Beş benchmark’taki 83,2 ortalama da raporlanan bir sonuç; her belge ya da soruda aynı performansın alınacağını garanti etmiyor. Model kartı bu ortalamayı Qwen3.5-2B’nin 80,9 puanıyla karşılaştırıyor. Başka modellerle yapılan kıyaslamalar ise kullanılan kaynağa ve benchmark düzenine göre değişebiliyor.3
14
Telefonda kullanım ve geliştirici araçları
Ekim tarihli haber, Xiaomi-OCR-0’ı Super XiaoAi’nin tek dokunuşla ekranı anlama özelliğiyle ilişkilendiriyor. Haberde örnek olarak ekrandaki sipariş teslim alma kodunu bulmak, bir afişteki saat ve yeri okumak, faturadaki tutar ve işletme bilgisini çıkarmak veriliyor.39
Proje materyallerinde model depoları Hugging Face ve GitHub üzerinden listeleniyor. GitHub projesinde ayrıca tarayıcı demosu, yerel MCP servisi ve Agent Skill araçları anlatılıyor.25
9
30
31
32
Kaynaklar neyi doğruluyor, neyi doğrulamıyor?
Kaynakların desteklediği genel tablo şu: Xiaomi-OCR-0, belge ayrıştırma, bilgi çıkarma ve görsel soru-cevap gibi görevleri bir araya getiren 0,8 milyar parametreli bir model. Büyük bir OCR odaklı veri kümesiyle eğitildiği bildiriliyor. Öte yandan en dikkat çekici benchmark sonuçlarından birinde model materyalleri ile benchmark tablosu arasında puan farkı bulunuyor.1
2
5
Belirli belge türlerinde tam olarak nasıl JSON çıktısı verdiği, farklı bölgeler arasında nasıl hesaplama yaptığı veya telefondaki her bir iş akışının nasıl çalıştığı gibi daha ayrıntılı iddialar, buradaki kaynaklarla doğrulanamıyor. Bunları kanıtlanmış özelliklerden ziyade olası kullanım alanları olarak değerlendirmek daha doğru.
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: Belgeleri okuyup anlayan modelin sınırları neler?"?
Ekim 2026’da duyurulan Xiaomi OCR 0, belge ayrıştırma, önemli bilgileri çıkarma ve görsel soru cevap için geliştirilmiş 0,8 milyar parametreli bir model.
What are the key points to validate first?
Ekim 2026’da duyurulan Xiaomi OCR 0, belge ayrıştırma, önemli bilgileri çıkarma ve görsel soru cevap için geliştirilmiş 0,8 milyar parametreli bir model. Model, Qwen3.5 0.8B temel alınarak yaklaşık 170 milyon OCR odaklı örnekle eğitildi; eğitiminde metin konum eşleştirme, devam ön eğitimi ve karma görevli pekiştirmeli öğrenme kullanıldı.[1]
What should I do next in practice?
Xiaomi’nin Real5 OmniDocBench için bildirdiği 95,24 puan, benchmark’ın kendi tablosundaki 92,73 puanla uyuşmuyor; kaynaklarda farkın nedeni açıklanmıyor.[2][5]