Câu trả lờiĐã xuất bản24 nguồn
Xiaomi-OCR-0: mô hình 0,8B đọc hiểu tài liệu, nhưng điểm benchmark có một dấu hỏi
Xiaomi OCR 0 có 0,8 tỷ tham số, hướng đến phân tích tài liệu, trích xuất thông tin quan trọng và hỏi đáp về nội dung hình ảnh.[39][1] Mô hình khởi đầu từ Qwen3.5 0.8B và được huấn luyện trên khoảng 170 triệu mẫu tập trung vào OCR.[1] Xiaomi công bố điểm Real5 OmniDocBench là 95,24, nhưng bảng xếp hạng của benchmark...
Đăng bởiBiên tập bằng GPT-6 LunaHình ảnh được tạo bằng GPT Image 2
Câu trả lời nghiên cứu
Bài học chính
- Xiaomi OCR 0 có 0,8 tỷ tham số, hướng đến phân tích tài liệu, trích xuất thông tin quan trọng và hỏi đáp về nội dung hình ảnh.[39][1]
- Mô hình khởi đầu từ Qwen3.5 0.8B và được huấn luyện trên khoảng 170 triệu mẫu tập trung vào OCR.[1]
- Xiaomi công bố điểm Real5 OmniDocBench là 95,24, nhưng bảng xếp hạng của benchmark ghi 92,73; các nguồn hiện có không giải thích chênh lệch này.[1][2][5]
Prompt AI
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 là mô hình thị giác-ngôn ngữ gọn nhẹ, được thiết kế để làm nhiều hơn việc nhận diện chữ: mô hình kết hợp phân tích tài liệu, trích xuất thông tin quan trọng và hỏi đáp dựa trên nội dung hình ảnh. Một bài báo đăng ngày 31/10/2026 cho biết Xiaomi công bố mô hình vào tối hôm trước. Tuy nhiên, thẻ mô hình ghi báo cáo kỹ thuật và trọng số đã được phát hành từ ngày 30/9, nên đợt công bố tháng 10 có thể không phải lần đầu mô hình xuất hiện công khai.39
8
Một mô hình cho tài liệu và câu hỏi về hình ảnh
Xiaomi mô tả mô hình 0,8 tỷ tham số này là công cụ hiểu nội dung lẫn bố cục tài liệu, kể cả những dạng phức tạp như bài nghiên cứu, bảng biểu và hóa đơn. Các tác vụ được nêu gồm phân tích tài liệu, trích xuất thông tin quan trọng và trả lời câu hỏi về nội dung hình ảnh.39
1
Tài liệu dành cho nhà phát triển cũng giới thiệu bản demo chạy trên trình duyệt cùng các công cụ cài đặt cục bộ. Kho GitHub có dịch vụ MCP và Agent Skill hỗ trợ OCR, phân tích PDF, trích xuất thông tin và hỏi đáp bằng hình ảnh.30
31
32 Đây là các giao diện và công cụ dành cho nhà phát triển; chúng không chứng minh rằng mọi quy trình đều chạy trực tiếp trên điện thoại.
Xiaomi mô tả quá trình huấn luyện ra sao?
Báo cáo kỹ thuật cho biết Xiaomi-OCR-0 được phát triển từ Qwen3.5-0.8B và huấn luyện trên bộ dữ liệu tập trung vào OCR, gồm khoảng 170 triệu mẫu. Quy trình xây dựng dữ liệu kết hợp sự đồng thuận của các mô hình chuyên gia, kiểm tra bằng cách kết xuất lại và dữ liệu tổng hợp có chủ đích.1
Thẻ mô hình nêu ba giai đoạn huấn luyện: Q-Mask để gắn văn bản với vị trí tương ứng; tiếp tục tiền huấn luyện tập trung vào OCR; và học tăng cường với nhiều tác vụ, sử dụng phần thưởng có thể kiểm chứng trên các mẫu khó.19 Các nguồn hiện có xác nhận khái quát quy trình này, nhưng không làm rõ mọi cách tạo dữ liệu hay định nghĩa phần thưởng từng được nhắc đến trong một số mô tả.
Các điểm benchmark được công bố
Báo cáo kỹ thuật và tài liệu thẻ mô hình của Xiaomi nêu các kết quả chính sau:1
3
| Benchmark hoặc tác vụ | Điểm được công bố | Ghi chú |
|---|---|---|
| OmniDocBench v1.6 | 96.83 | Tài liệu thẻ mô hình xếp hạng nhì trong nhóm so sánh được trích dẫn. |
| Real5-OmniDocBench | 95.24 | Xiaomi công bố điểm này và cho biết mô hình đứng đầu. |
| Wild-OmniDocBench | 87.94 | Tài liệu thẻ mô hình xếp hạng nhì trong nhóm so sánh được trích dẫn. |
| UniMER-Test | 97.84 | Điểm nhận diện công thức toán học trong thẻ mô hình. |
| PubTabNet | 92.27 | Điểm nhận diện bảng biểu trong thẻ mô hình. |
| Trung bình trên 5 benchmark hỏi đáp tập trung vào OCR | 83.2 | Thẻ mô hình tính trung bình từ DocVQA, InfoVQA, ChartQA, OCRBench và TextVQA. |
Điểm Real5 cần được đọc kèm lưu ý. Bảng xếp hạng do chính benchmark công bố ghi Xiaomi-OCR-0 đạt 92.73 điểm tổng thể, với 93.73 ở ảnh quét, 92.76 ở ảnh bị biến dạng, 92.80 ở ảnh chụp màn hình, 92.68 ở điều kiện ánh sáng và 91.69 ở ảnh nghiêng. Kết quả tổng thể này khác với mức 95.24 do Xiaomi công bố; các nguồn hiện có không giải thích nguyên nhân, vì vậy không nên xem hai con số là tương đương.2
5
Mức trung bình 83.2 trên năm benchmark hỏi đáp cũng là kết quả được báo cáo, không phải cam kết rằng mô hình sẽ đạt hiệu quả tương tự với mọi tài liệu hay câu hỏi. Tài liệu thẻ mô hình so sánh mức này với 80.9 của Qwen3.5-2B; kết quả đối chiếu với các mô hình khác phụ thuộc nguồn và thiết lập benchmark cụ thể.3
14
Tích hợp điện thoại và công cụ cho nhà phát triển
Bài báo ngày 31/10 liên hệ Xiaomi-OCR-0 với tính năng nhận diện màn hình bằng một chạm của Super XiaoAi. Các ví dụ được nêu gồm tìm mã nhận đồ ăn, đọc thời gian và địa điểm trên áp phích, hoặc lấy số tiền và tên cửa hàng từ hóa đơn.39
Tài liệu dự án liệt kê kho mô hình trên Hugging Face và GitHub, cùng bản demo trên trình duyệt và các công cụ MCP, Agent Skill chạy cục bộ được giới thiệu trong tài liệu GitHub.25
9
30
31
32
Bằng chứng xác nhận được và những điều chưa rõ
Các nguồn ủng hộ bức tranh tổng thể: Xiaomi-OCR-0 là mô hình hiểu tài liệu 0,8B, được huấn luyện trên bộ dữ liệu lớn tập trung vào OCR và được giới thiệu với các khả năng phân tích, trích xuất thông tin và hỏi đáp bằng hình ảnh. Đồng thời, ít nhất một điểm benchmark nổi bật có khác biệt giữa tài liệu của mô hình và bảng xếp hạng của benchmark.1
2
5
Một số tuyên bố cụ thể hơn—chẳng hạn định dạng JSON chính xác cho từng loại tài liệu, khả năng tính toán giữa nhiều vùng trong ảnh hay toàn bộ quy trình dự kiến trên điện thoại—chưa được các nguồn hiện có xác nhận. Vì vậy, nên xem chúng là trường hợp sử dụng tiềm năng, không phải năng lực đã được kiểm chứng.
Studio Global AI
Tiếp tục nghiên cứu của bạn
Trang này bao gồm câu trả lời dựa trên nguồn mà bạn có thể tiếp tục bên trong Studio Global.
Người ta cũng hỏi
Câu trả lời ngắn gọn cho "Xiaomi-OCR-0: mô hình 0,8B đọc hiểu tài liệu, nhưng điểm benchmark có một dấu hỏi" là gì?
Xiaomi OCR 0 có 0,8 tỷ tham số, hướng đến phân tích tài liệu, trích xuất thông tin quan trọng và hỏi đáp về nội dung hình ảnh.[39][1]
Những điểm chính cần xác nhận đầu tiên là gì?
Xiaomi OCR 0 có 0,8 tỷ tham số, hướng đến phân tích tài liệu, trích xuất thông tin quan trọng và hỏi đáp về nội dung hình ảnh.[39][1] Mô hình khởi đầu từ Qwen3.5 0.8B và được huấn luyện trên khoảng 170 triệu mẫu tập trung vào OCR.[1]
Tôi nên làm gì tiếp theo trong thực tế?
Xiaomi công bố điểm Real5 OmniDocBench là 95,24, nhưng bảng xếp hạng của benchmark ghi 92,73; các nguồn hiện có không giải thích chênh lệch này.[1][2][5]