答案已發布24 來源
小米開源 Xiaomi-OCR-0：8億參數讀懂文件，基準成績有一處落差
Xiaomi OCR 0 約有 8 億參數，定位為文件理解模型，涵蓋文件解析、重點資料擷取和視覺問答。 模型以 Qwen3.5 0.8B 為基礎，在約 1.7 億筆 OCR 專用樣本上訓練，採用文字錨定、OCR 持續預訓練及混合任務強化學習。[1] Real5 OmniDocBench 的分數有出入：小米材料報告 95.24，基準排行榜則列出 92.73；現有資料未交代原因。[2][5]
發布者使用 GPT-6 Luna 編輯圖片由 GPT Image 2 生成
研究答案
重點
- Xiaomi OCR 0 約有 8 億參數，定位為文件理解模型，涵蓋文件解析、重點資料擷取和視覺問答。
- 模型以 Qwen3.5 0.8B 為基礎，在約 1.7 億筆 OCR 專用樣本上訓練，採用文字錨定、OCR 持續預訓練及混合任務強化學習。[1]
- Real5 OmniDocBench 的分數有出入：小米材料報告 95.24，基準排行榜則列出 92.73；現有資料未交代原因。[2][5]
AI 提示
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
小米在 2026 年 10 月 30 日晚間宣布推出並開源 Xiaomi-OCR-0。這款模型約有 8 億參數，目標不止是辨認文字，亦涵蓋文件解析、重點資料擷取和視覺問答。值得留意的是，模型卡記錄技術報告和模型權重已於 9 月 30 日發布，所以 10 月的消息看來並非模型首次公開。39
8
不只辨認文字，亦要看懂文件結構
小米將 Xiaomi-OCR-0 定位為文件理解模型，針對論文、表格、收據等版面較複雜的文件，處理文字和版面內容，並支援重點資料擷取及針對圖像內容提問。39
1
開發者資料亦提到瀏覽器示範，以及可在本機使用的工具。GitHub 專案包含 MCP 服務和 Agent Skill，涵蓋 OCR、PDF 解析、重點資料擷取和視覺問答。30
31
32 這些是圍繞模型提供的開發介面，並不代表所有流程都能直接在手機上執行。
訓練方法：由文字定位到混合任務學習
技術報告指，Xiaomi-OCR-0 以 Qwen3.5-0.8B 為基礎，並使用約 1.7 億筆 OCR 專用樣本訓練。資料流程結合專家共識、渲染驗證及針對性合成資料。1
模型卡列出三個訓練階段：先以 Q-Mask 文字錨定，對齊文字和其所在位置；再進行 OCR 專用持續預訓練；最後以混合任務強化學習，透過可驗證的獎勵處理較困難的例子。19 現有資料支持這個大方向，但未能證實部分介紹中提及的所有資料生成細節或獎勵定義。
公布的基準成績
| 基準或任務 | 公布分數 | 備註 |
|---|---|---|
| OmniDocBench v1.6 | 96.83 | 模型卡所列比較中排名第二。 |
| Real5-OmniDocBench | 95.24 | 小米報告及模型卡列出此分數，並稱排名第一。 |
| Wild-OmniDocBench | 87.94 | 模型卡所列比較中排名第二。 |
| UniMER-Test | 97.84 | 公式識別分數。 |
| PubTabNet | 92.27 | 表格識別分數。 |
| 5 個 OCR 視覺問答基準 | 平均 83.2 | 模型卡列出 DocVQA、InfoVQA、ChartQA、OCRBench 和 TextVQA 的平均分。 |
Real5 分數需要特別留意。 基準本身的排行榜列出 Xiaomi-OCR-0 總分為 92.73；分項包括掃描 93.73、變形 92.76、屏幕拍攝 92.80、光照 92.68，以及傾斜 91.69。這與小米公布的 95.24 不同，而現有資料未解釋差異，因此兩個數字不應混為一談。2
5
至於 5 個視覺問答基準的 83.2 平均分，亦只是已公布測試結果，不能保證模型面對每份文件或每條問題都有相同表現。模型卡把這個平均分與 Qwen3.5-2B 的 80.9 作比較；至於其他模型，結果會視乎引用的來源和測試設定而異。3
14
手機應用與開發者工具
10 月的報道將 Xiaomi-OCR-0 與「超級小愛」的一鍵識屏功能連繫起來，舉例包括從畫面找出取餐碼、讀取海報的時間和地點，以及擷取帳單金額和商戶資料。39
專案亦提供 Hugging Face 模型頁面 和 GitHub 專案。GitHub 資料另有瀏覽器示範，以及本機 MCP 和 Agent Skill 工具。25
9
30
31
32
看基準成績，也要看清楚分數來源
現有資料支持幾個主要資訊：Xiaomi-OCR-0 是一款 0.8B 文件理解模型，以大型 OCR 專用語料訓練，涵蓋文件解析、資料擷取和視覺問答；同時，至少一項主要基準分數，在模型資料與基準排行榜之間存在出入。1
2
5
至於特定文件類型能否輸出指定 JSON、跨區域查找或計算等更具體功能，現有來源未有充分證實。較穩妥的做法，是先視這些為可能的應用情境，而非已確認的能力。
Studio Global AI
繼續你的研究
此頁麵包含一個有來源支援的答案，您可以在 Studio Global 內繼續。
人們還問
「小米開源 Xiaomi-OCR-0：8億參數讀懂文件，基準成績有一處落差」的簡短答案是什麼？
Xiaomi OCR 0 約有 8 億參數，定位為文件理解模型，涵蓋文件解析、重點資料擷取和視覺問答。
首先要驗證的關鍵點是什麼？
Xiaomi OCR 0 約有 8 億參數，定位為文件理解模型，涵蓋文件解析、重點資料擷取和視覺問答。 模型以 Qwen3.5 0.8B 為基礎，在約 1.7 億筆 OCR 專用樣本上訓練，採用文字錨定、OCR 持續預訓練及混合任務強化學習。[1]
接下來在實務上我該做什麼？
Real5 OmniDocBench 的分數有出入：小米材料報告 95.24，基準排行榜則列出 92.73；現有資料未交代原因。[2][5]