¿Qué es MiniCPM-OCR 1.0?
MiniCPM-OCR 1.0 es el primer modelo específico de OCR de la familia MiniCPM-V de OpenBMB, publicado a finales de octubre de 2026 por OpenBMB y ModelBest con licencia Apache 2.0. Tiene 1.300 millones de parámetros, un codificador visual SigLIP con un modelo de lenguaje Qwen3.5, y se entrenó para OCR sobre MiniCPM-V 4.6. Lee texto en chino e inglés, tablas, fórmulas, gráficos y sellos, y extrae campos con nombre a JSON.
Está pensado para funcionar dentro de una canalización más que solo. El SDK minicpm-ocr toma un PDF o una imagen, encuentra las regiones con el modelo de maquetación PP-DocLayoutV3 de Baidu, envía cada recorte al servidor de reconocimiento y vuelve a montar Markdown y JSON en orden de lectura. Un modelo borrador opcional, DSpark, acelera la decodificación, y el mismo día salieron versiones cuantizadas GGUF, AWQ y GPTQ.
Junto a él, OpenBMB publicó MiniCPM-OCR Jev, un modelo de 2B que contrasta la salida de cualquier sistema de OCR con la imagen original y puntúa la confianza, para que las páginas dudosas puedan ir a una persona. ModelBest ofrece además una API alojada gratuita de análisis de documentos.
¿Merece la pena MiniCPM-OCR 1.0?
El argumento de MiniCPM-OCR 1.0 es la velocidad con una precisión cercana a la cima, más que una sola puntuación ganadora. En la prueba de rendimiento de OpenBMB, en una RTX 5090 con las 1.651 páginas de OmniDocBench v1.6, analizó 1,217 páginas por segundo con DSpark, frente a 1,179 de GLM-OCR, 0,818 de PaddleOCR-VL-1.6, 0,724 de Xiaomi-OCR-0 y 0,246 de Unlimited-OCR 2. Con ocho páginas en paralelo llegó a 2,133 páginas por segundo.
En precisión lidera cuatro de los seis benchmarks de la tabla de OpenBMB, entre ellos 93,68 en Real5-OmniDocBench frente a 93,19 de PaddleOCR-VL-1.6, 92,39 en Wild-OmniDocBench y 54,7 en OCRBench v2, donde el siguiente, Nanonets-OCR-s, tiene 47,4. En el OmniDocBench v1.6 estándar, su 96,51 queda por detrás de TeleOCR con 96,91, Xiaomi-OCR-0 con 96,83 y OvisOCR2 con 96,58, y chandra-ocr-2 lo supera en olmOCR-Bench, 85,8 a 82,7. Todas las cifras, incluidas las de los rivales, salen de pruebas de OpenBMB, aunque publica una guía para reproducirlas.
El cuarto destaca aparte. En CHAOS-Bench obtiene 29,78, donde el siguiente, TeleOCR, tiene 21,28 y la mayoría de los rivales quedan por debajo de 15. CHAOS-Bench es nuevo y la diferencia es lo bastante grande como para querer una comprobación externa antes de que influya en una compra.
La canalización es la contrapartida. El análisis de páginas completas depende de PP-DocLayoutV3, un modelo aparte que descarga el SDK y cuyos ejemplos dan por hecho una GPU de NVIDIA, así que la cifra de 1,3B subestima lo que despliegas. El SDK y el servidor de reconocimiento funcionan en entornos de Python separados, y DSpark solo funciona con el modelo borrador de la misma versión.
El modelo complementario Jev es la parte más inusual del lanzamiento. Puntúa el texto, las fórmulas y las tablas de otro analizador frente a la imagen de la página, lo que sirve para enviar a revisión humana las páginas con poca confianza; la afirmación de OpenBMB de que se acerca a Qwen3.5-397B-A17B en su propio JevOCRBench no se ha probado en otro sitio.
Dónde se gana su sitio
Un equipo de plataforma de datos en un banco que digitaliza expedientes de préstamos escaneados atrasados
Analizar millones de páginas a Markdown y JSON en GPU propias
Sirve el modelo BF16 con su borrador DSpark en vLLM y apunta el SDK hacia él con la concurrencia de páginas y regiones aumentada. La cifra de OpenBMB de 2,133 páginas por segundo con concurrencia 8 equivale a unas 7.700 páginas por hora por RTX 5090, antes de que la detección de maquetación pase a ser el límite.
Una responsable de operaciones en una aseguradora que revisa partes con sellos y escritura a mano
Enviar a un revisor humano solo las páginas dudosas
Analiza con MiniCPM-OCR 1.0, incluido el prompt 'Seal Recognition:' para los sellos, y después puntúa cada resultado con MiniCPM-OCR Jev y acepta automáticamente lo que supere un umbral que calibres con tus propios archivos. Jev también funciona con otros analizadores, así que puede comprobar un sistema de OCR existente.
Un desarrollador en una startup de cinco personas que hace un prototipo de extracción de facturas
Probar el análisis de documentos antes de comprar GPU
Prueba la API gratuita de ModelBest o el Space de Hugging Face, y después pasa a la versión GGUF con llama.cpp en una estación de trabajo. Como no se publican las cuotas ni las condiciones de datos de la API alojada, no subas documentos de clientes hasta que se publiquen.
Antes de decidirte
- Puesta en marcha
- pip install 'minicpm-ocr[all]' con Python 3.10+, arranca un servidor de reconocimiento (vLLM, SGLang, llama.cpp u Ollama) en un entorno aparte y después ejecuta minicpmvocr parse; el SDK descarga PP-DocLayoutV3 en el primer uso. OpenBMB incluye además una skill de agente que guía a un agente de programación por la instalación.
- Integraciones
- Endpoints compatibles con OpenAI desde vLLM o SGLang; llama.cpp y Ollama para GGUF; versiones FlagOS para Huawei Ascend, Kunlunxin, Moore Threads y otros aceleradores chinos; recetas de ajuste fino para LLaMA-Factory y ms-swift.
- Datos y privacidad
- Apache 2.0 para pesos, código y documentación. Autoalojado, los documentos se quedan en tu hardware; la ficha del modelo y la nota de prensa no indican las condiciones de conservación y entrenamiento de la API de ModelBest.
- Coste a escala
- El checkpoint en BF16 ocupa 2,6 GB, así que basta una GPU de consumo para servirlo; a 1,217 páginas por segundo son unas 4.400 páginas por hora por RTX 5090 sin concurrencia de páginas. El modelo de maquetación añade su propia carga de GPU, y no se publican las tarifas de pago de la API alojada.
- Límites
- El chino y el inglés son los idiomas principales. Cada imagen se divide como máximo en 9 trozos de 448 píxeles con compresión de tokens visuales 4x; la guía advierte de que hay que comprobar finish_reason para detectar salidas truncadas, y DSpark necesita los pesos borrador correspondientes.
Lo bueno
- 1,217 páginas por segundo en una RTX 5090, el más rápido en la prueba de 15 modelos de OpenBMB
- 93,68 en Real5-OmniDocBench y 54,7 en OCRBench v2 (cifras propias)
- Versiones GGUF, AWQ y GPTQ más vLLM, SGLang, llama.cpp y Ollama desde el lanzamiento
- Apache 2.0, con un modelo verificador de 2B para enviar páginas a revisión humana
Lo malo
- Por detrás de TeleOCR, Xiaomi-OCR-0 y OvisOCR2 en OmniDocBench v1.6
- Todas las cifras comparativas son de pruebas de OpenBMB
- El análisis de páginas completas necesita un modelo de maquetación aparte, con GPU en los ejemplos
- No se publican las cuotas ni las condiciones de conservación de la API alojada
Ideal para
Equipos que analizan grandes volúmenes de documentos en chino o inglés en sus propias GPU y a los que les importan tanto las páginas por hora como el último punto de precisión.
Alternativas a MiniCPM-OCR 1.0
MiniCPM-OCR 1.0: preguntas frecuentes
- ¿Merece la pena MiniCPM-OCR 1.0?
- MiniCPM-OCR 1.0 combina una precisión de análisis cercana a la cima con el mayor rendimiento en la prueba de 15 modelos de su creador, lo que lo convierte en la opción práctica de OCR pequeño si las cifras se confirman. Le damos un 4.3 sobre 5.
- ¿Cuánto cuesta MiniCPM-OCR 1.0?
- Gratuito con licencia Apache 2.0. La API alojada de análisis de documentos de ModelBest se anuncia como gratuita; no se publican cuotas ni tarifas de pago.
- ¿Qué inconvenientes tiene MiniCPM-OCR 1.0?
- Por detrás de TeleOCR, Xiaomi-OCR-0 y OvisOCR2 en OmniDocBench v1.6; todas las cifras comparativas son de pruebas de OpenBMB; el análisis de páginas completas necesita un modelo de maquetación aparte, con GPU en los ejemplos; no se publican las cuotas ni las condiciones de conservación de la API alojada.
- ¿Para quién es MiniCPM-OCR 1.0?
- Equipos que analizan grandes volúmenes de documentos en chino o inglés en sus propias GPU y a los que les importan tanto las páginas por hora como el último punto de precisión.
- ¿Cuánto cuesta MiniCPM-OCR 1.0 para un equipo o en producción?
- El checkpoint en BF16 ocupa 2,6 GB, así que basta una GPU de consumo para servirlo; a 1,217 páginas por segundo son unas 4.400 páginas por hora por RTX 5090 sin concurrencia de páginas. El modelo de maquetación añade su propia carga de GPU, y no se publican las tarifas de pago de la API alojada.
- ¿Es MiniCPM-OCR 1.0 seguro para los datos de la empresa?
- Apache 2.0 para pesos, código y documentación. Autoalojado, los documentos se quedan en tu hardware; la ficha del modelo y la nota de prensa no indican las condiciones de conservación y entrenamiento de la API de ModelBest.
- ¿Cuáles son las mejores alternativas a MiniCPM-OCR 1.0?
- Las alternativas más cercanas que hemos analizado son PaddleOCR-VL-1.6, Xiaomi-OCR-0, Surya OCR 2.5 y Mistral OCR 4.1.
Respuestas comprobadas el 2 nov 2026.
¿Desarrollas MiniCPM-OCR 1.0? Muestra esta nota en tu web
