小米研究院发了个 0.8B 的文档解析小模型 Xiaomi-OCR-0
大厂AI日爆 · 2026-11-03T09:30:00
小米研究院做了个统一视觉语言模型 Xiaomi-OCR-0，参数规模 0.8B，专做文档解析和 OCR 理解。 模型基于 Qwen3.5-0.8B，据称用了约 1.7 亿样本的 OCR 语料训练。输入文档页后，可以直接输出结构化 Markdown，表格转成 HTML、公式转成 LaTeX，也支持按字段抽取 JSON 和针对文档图片做问答。原帖称其在相关榜单拿到了第一，不过具体榜单和对比基线暂未完整列出。