小米开源0.8B参数OCR文档理解模型

IT时代网10月30日消息，小米官方宣布开源轻量级文档理解模型Xiaomi-OCR-0，模型权重与推理代码已同步上线Hugging Face和GitHub。

官方给出的参数规模为0.8B，定位是单一模型同时覆盖文档解析、关键信息抽取与OCR视觉问答三类任务。

在文档解析方向，该模型可识别正文、表格与数学公式，按阅读顺序输出结构化结果，原生支持Markdown、LaTeX等多种输出格式；在视觉问答方向，模型可对文档页面直接提问，结合版面信息作答，支持JSON结构化输出，便于接入自动化流程。

据介绍，该模型在保持轻量体积的同时保留了较高的识别精度，可在消费级显卡与端侧环境运行，适合个人开发者与企业批量文档处理场景。这也是小米继视觉大模型之后，在文档智能方向开源的又一项成果。

注：本文配图由AI生成。本文综合自IT之家等，文中包含AI辅助创作的内容。

编辑：林一舟