AnswersPublished24 sources
Xiaomi-OCR-0: не просто розпізнає текст, а аналізує документи
Xiaomi OCR 0 — модель із 800 млн параметрів для аналізу документів, вилучення ключової інформації та відповідей на запитання за візуальним вмістом. Вона створена на основі Qwen3.5 0.8B і навчалася на корпусі приблизно зі 170 млн OCR орієнтованих зразків за кілька етапів.[1] Xiaomi заявляє результат 95,24 у Real5 Omn...
ОпублікувавВідредаговано за допомогою GPT-6 LunaЗображення створено за допомогою GPT Image 2
Research answer
Key takeaways
- Xiaomi OCR 0 — модель із 800 млн параметрів для аналізу документів, вилучення ключової інформації та відповідей на запитання за візуальним вмістом.
- Вона створена на основі Qwen3.5 0.8B і навчалася на корпусі приблизно зі 170 млн OCR орієнтованих зразків за кілька етапів.[1]
- Xiaomi заявляє результат 95,24 у Real5 OmniDocBench, але таблиця самого бенчмарку показує 92,73.
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 — компактна мультимодальна модель, яка має не лише розпізнавати текст, а й аналізувати структуру документів, витягувати потрібні дані та відповідати на запитання за зображенням. За повідомленням від 31 жовтня 2026 року, Xiaomi представила її напередодні ввечері. Водночас картка моделі зазначає, що технічний звіт і ваги оприлюднили ще 30 вересня — тож жовтневе повідомлення, схоже, не означало першої появи моделі у відкритому доступі.39
8
Одна модель для документів і запитань про зображення
Xiaomi описує модель із 0,8 млрд параметрів як інструмент для розуміння змісту та структури документів — зокрема наукових статей, таблиць і квитанцій. Серед заявлених завдань — розбір документів, вилучення ключової інформації та відповіді на запитання про візуальний вміст.39
1
Матеріали проєкту також згадують браузерну демонстрацію й інструменти для локального використання. У репозиторії GitHub є сервіс MCP та Agent Skill для OCR, розбору PDF, вилучення даних і візуальних запитань-відповідей.30
31
32 Це інструменти для розробників навколо моделі, а не доказ того, що будь-який такий сценарій працює безпосередньо на смартфоні.
Як навчали Xiaomi-OCR-0
У технічному звіті йдеться, що модель створили на основі Qwen3.5-0.8B та навчали на корпусі приблизно зі 170 млн OCR-орієнтованих зразків. За описом авторів, підготовка даних поєднувала узгодження між експертними моделями, перевірку через повторне відтворення документів і цільовий синтез даних.1
Картка моделі описує три етапи навчання: Q-Mask для прив’язування тексту до його розташування, подальше попереднє навчання на OCR-завданнях і змішане навчання з підкріпленням, де для складних прикладів використовують перевірювані винагороди.19 Наявні джерела підтверджують загальну схему, але не всі докладні методи створення даних і визначення винагород, які трапляються в окремих описах.
Що показують оприлюднені результати
У технічному звіті Xiaomi та матеріалах картки моделі наведені такі результати:1
3
| Тест або завдання | Заявлений результат | Контекст |
|---|---|---|
| OmniDocBench v1.6 | 96,83 | У порівнянні в матеріалах картки моделі — друге місце. |
| Real5-OmniDocBench | 95,24 | Xiaomi наводить цей результат і заявляє перше місце. |
| Wild-OmniDocBench | 87,94 | У порівнянні в матеріалах картки моделі — друге місце. |
| UniMER-Test | 97,84 | Результат розпізнавання формул у картці моделі. |
| PubTabNet | 92,27 | Результат розпізнавання таблиць у картці моделі. |
| П’ять тестів OCR-орієнтованих візуальних запитань-відповідей | у середньому 83,2 | Середнє за DocVQA, InfoVQA, ChartQA, OCRBench і TextVQA. |
Результат Real5 варто сприймати з обережністю. У таблиці самого бенчмарку для Xiaomi-OCR-0 наведено загальний бал 92,73: 93,73 за сканування, 92,76 за деформацію сторінки, 92,80 за фото екрана, 92,68 за зміну освітлення та 91,69 за нахил. Це відрізняється від заявлених Xiaomi 95,24; доступні джерела не пояснюють розбіжність, тож ці показники не слід вважати взаємозамінними.2
5
Середнє 83,2 у п’яти тестах візуальних запитань-відповідей — це також результат оцінювання, а не гарантія однаково успішної роботи з будь-яким документом чи запитанням. У матеріалах картки цей показник порівнюють із 80,9 у Qwen3.5-2B; результати порівнянь з іншими моделями залежать від конкретного джерела й умов тестування.3
14
Смартфонні сценарії та інструменти для розробників
У жовтневому повідомленні Xiaomi-OCR-0 пов’язують із функцією розуміння вмісту екрана в Super XiaoAi. Серед прикладів — пошук коду для отримання замовлення, зчитування часу й місця з афіші та вилучення суми й назви продавця з рахунку.39
Матеріали проєкту містять посилання на репозиторії моделі на Hugging Face і GitHub, а також згадують браузерну демонстрацію й локальні інструменти MCP та Agent Skill.25
9
30
31
32
Що підтверджено — і чого джерела не доводять
Наявні джерела підтверджують основне: Xiaomi-OCR-0 — модель для розуміння документів із 0,8 млрд параметрів, навчена на великому OCR-орієнтованому корпусі. Заявлені напрями роботи охоплюють розбір документів, вилучення даних і відповіді на запитання за зображеннями. Водночас вони показують, що принаймні один гучний результат у тестах — Real5-OmniDocBench — відрізняється від показника в таблиці самого бенчмарку.1
2
5
Наявні матеріали не підтверджують усіх детальніших тверджень — наприклад, точного формату JSON для кожного типу документів, конкретних обчислень між різними ділянками зображення чи кожного запропонованого сценарію на телефоні. Тому їх коректніше розглядати як можливі випадки використання, а не як незалежно перевірені можливості.
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: не просто розпізнає текст, а аналізує документи"?
Xiaomi OCR 0 — модель із 800 млн параметрів для аналізу документів, вилучення ключової інформації та відповідей на запитання за візуальним вмістом.
What are the key points to validate first?
Xiaomi OCR 0 — модель із 800 млн параметрів для аналізу документів, вилучення ключової інформації та відповідей на запитання за візуальним вмістом. Вона створена на основі Qwen3.5 0.8B і навчалася на корпусі приблизно зі 170 млн OCR орієнтованих зразків за кілька етапів.[1]
What should I do next in practice?
Xiaomi заявляє результат 95,24 у Real5 OmniDocBench, але таблиця самого бенчмарку показує 92,73.