Qu’est-ce que MiniCPM-OCR 1.0 ?
MiniCPM-OCR 1.0 est le premier modèle spécialisé en OCR de la famille MiniCPM-V d'OpenBMB, publié fin octobre 2026 par OpenBMB et ModelBest sous Apache 2.0. Il compte 1,3 milliard de paramètres, un encodeur visuel SigLIP avec un modèle de langage Qwen3.5, et a été entraîné pour l'OCR à partir de MiniCPM-V 4.6. Il lit le texte chinois et anglais, les tableaux, les formules, les graphiques et les cachets, et extrait des champs nommés en JSON.
Il est conçu pour fonctionner dans un pipeline plutôt que seul. Le SDK minicpm-ocr prend un PDF ou une image, trouve les régions avec le modèle de mise en page PP-DocLayoutV3 de Baidu, envoie chaque découpe au serveur de reconnaissance et réassemble Markdown et JSON dans l'ordre de lecture. Un modèle de brouillon DSpark facultatif accélère le décodage, et des builds quantifiés GGUF, AWQ et GPTQ sont sortis le même jour.
En parallèle, OpenBMB a publié MiniCPM-OCR Jev, un modèle de 2B qui vérifie la sortie de n'importe quel système d'OCR par rapport à l'image source et attribue un score de confiance, afin que les pages douteuses puissent aller à une personne. ModelBest propose aussi une API hébergée gratuite d'analyse de documents.
MiniCPM-OCR 1.0 vaut-il le coup ?
L'argument de MiniCPM-OCR 1.0 est la vitesse avec une précision proche du sommet plutôt qu'un score gagnant unique. Dans le test de débit d'OpenBMB, sur une RTX 5090 avec les 1 651 pages d'OmniDocBench v1.6, il a analysé 1,217 page par seconde avec DSpark, contre 1,179 pour GLM-OCR, 0,818 pour PaddleOCR-VL-1.6, 0,724 pour Xiaomi-OCR-0 et 0,246 pour Unlimited-OCR 2. Avec huit pages en parallèle, il a atteint 2,133 pages par seconde.
En précision, il mène sur quatre des six benchmarks du tableau d'OpenBMB, dont 93,68 sur Real5-OmniDocBench contre 93,19 pour PaddleOCR-VL-1.6, 92,39 sur Wild-OmniDocBench et 54,7 sur OCRBench v2, où le suivant, Nanonets-OCR-s, a 47,4. Sur l'OmniDocBench v1.6 standard, ses 96,51 le placent derrière TeleOCR à 96,91, Xiaomi-OCR-0 à 96,83 et OvisOCR2 à 96,58, et chandra-ocr-2 le bat sur olmOCR-Bench, 85,8 contre 82,7. Tous les chiffres, y compris ceux des concurrents, viennent des propres essais d'OpenBMB, qui publie toutefois un guide de reproduction.
Le quatrième se démarque. Sur CHAOS-Bench, il obtient 29,78 là où le suivant, TeleOCR, a 21,28 et où la plupart des concurrents sont sous 15. CHAOS-Bench est récent et l'écart est assez grand pour justifier une vérification externe avant qu'il n'oriente un achat.
Le pipeline est la contrepartie. L'analyse de pages complètes dépend de PP-DocLayoutV3, un modèle séparé que le SDK télécharge et dont les exemples supposent un GPU NVIDIA, si bien que le chiffre de 1,3B sous-estime ce que vous déployez. Le SDK et le serveur de reconnaissance tournent dans des environnements Python séparés, et DSpark ne fonctionne qu'avec le modèle de brouillon de la même sortie.
Le modèle compagnon Jev est la partie la plus inhabituelle du lancement. Il note le texte, les formules et les tableaux d'un autre parseur par rapport à l'image de la page, ce qui permet d'envoyer les pages peu fiables à une relecture humaine ; l'affirmation d'OpenBMB selon laquelle il approche Qwen3.5-397B-A17B sur son propre JevOCRBench n'a pas été testée ailleurs.
Là où il fait la différence
Une équipe plateforme de données dans une banque qui numérise un stock de dossiers de prêt scannés
Analyser des millions de pages en Markdown et JSON sur des GPU internes
Servez le modèle BF16 avec son brouillon DSpark dans vLLM et pointez le SDK dessus en augmentant la concurrence par page et par région. Le chiffre d'OpenBMB de 2,133 pages par seconde avec une concurrence de 8 revient à environ 7 700 pages par heure par RTX 5090, avant que la détection de mise en page ne devienne la limite.
Un responsable des opérations chez un assureur qui examine des formulaires de sinistre avec tampons et écriture manuscrite
N'envoyer que les pages douteuses à un vérificateur humain
Analysez avec MiniCPM-OCR 1.0, y compris le prompt 'Seal Recognition:' pour les tampons, puis notez chaque résultat avec MiniCPM-OCR Jev et acceptez automatiquement au-dessus d'un seuil que vous calibrez sur vos propres fichiers. Jev fonctionne aussi avec d'autres parseurs et peut donc vérifier un système d'OCR existant.
Un développeur dans une startup de cinq personnes qui prototype l'extraction de factures
Tester l'analyse de documents avant d'acheter des GPU
Essayez l'API gratuite de ModelBest ou le Space Hugging Face, puis passez au build GGUF sous llama.cpp sur une station de travail. Comme les quotas et les conditions sur les données de l'API hébergée ne sont pas publiés, n'y envoyez pas de documents clients tant qu'ils ne le sont pas.
Avant de vous engager
- Mise en route
- pip install 'minicpm-ocr[all]' sous Python 3.10+, démarrez un serveur de reconnaissance (vLLM, SGLang, llama.cpp ou Ollama) dans un environnement séparé, puis lancez minicpmvocr parse ; le SDK télécharge PP-DocLayoutV3 à la première utilisation. OpenBMB fournit aussi un skill d'agent qui guide un agent de code dans l'installation.
- Intégrations
- Endpoints compatibles OpenAI via vLLM ou SGLang ; llama.cpp et Ollama pour le GGUF ; builds FlagOS pour Huawei Ascend, Kunlunxin, Moore Threads et d'autres accélérateurs chinois ; recettes de fine-tuning pour LLaMA-Factory et ms-swift.
- Données et confidentialité
- Apache 2.0 pour les poids, le code et la documentation. En auto-hébergement, les documents restent sur votre matériel ; les conditions de conservation et d'entraînement de l'API ModelBest ne sont indiquées ni sur la fiche du modèle ni dans le communiqué de presse.
- Coût à grande échelle
- Le checkpoint BF16 pèse 2,6 GB, si bien qu'un seul GPU grand public suffit à le servir ; à 1,217 page par seconde, cela fait environ 4 400 pages par heure par RTX 5090 sans concurrence par page. Le modèle de mise en page ajoute sa propre charge GPU, et les tarifs payants de l'API hébergée ne sont pas publiés.
- Limites
- Le chinois et l'anglais sont les langues principales. Chaque image est découpée en 9 tranches au maximum de 448 pixels avec une compression 4x des tokens visuels ; le guide recommande de vérifier finish_reason pour repérer les sorties tronquées, et DSpark exige les poids de brouillon correspondants.
Les points forts
- 1,217 page par seconde sur une RTX 5090, le plus rapide du test de 15 modèles d'OpenBMB
- 93,68 sur Real5-OmniDocBench et 54,7 sur OCRBench v2 (autodéclarés)
- Builds GGUF, AWQ et GPTQ ainsi que vLLM, SGLang, llama.cpp et Ollama dès le lancement
- Apache 2.0, avec un modèle vérificateur de 2B pour orienter vers la relecture humaine
Les points faibles
- Derrière TeleOCR, Xiaomi-OCR-0 et OvisOCR2 sur OmniDocBench v1.6
- Tous les chiffres de comparaison viennent des propres essais d'OpenBMB
- L'analyse de pages complètes exige un modèle de mise en page séparé, sur GPU dans les exemples
- Quotas et conditions de conservation de l'API hébergée non publiés
Idéal pour
Les équipes qui analysent de gros volumes de documents chinois ou anglais sur leurs propres GPU et tiennent autant au nombre de pages par heure qu'au dernier point de précision.
Alternatives à MiniCPM-OCR 1.0
MiniCPM-OCR 1.0 : questions fréquentes
- MiniCPM-OCR 1.0 vaut-il le coup ?
- MiniCPM-OCR 1.0 associe une précision d'analyse proche du sommet au plus haut débit du test de 15 modèles de son créateur, ce qui en fait le petit modèle d'OCR pratique à choisir si les chiffres se confirment. Nous lui donnons 4.3 sur 5.
- Combien coûte MiniCPM-OCR 1.0 ?
- Gratuit sous Apache 2.0. L'API hébergée d'analyse de documents de ModelBest est annoncée comme gratuite ; quotas et tarifs payants non publiés.
- Quels sont les inconvénients de MiniCPM-OCR 1.0 ?
- Derrière TeleOCR, Xiaomi-OCR-0 et OvisOCR2 sur OmniDocBench v1.6; tous les chiffres de comparaison viennent des propres essais d'OpenBMB; l'analyse de pages complètes exige un modèle de mise en page séparé, sur GPU dans les exemples; quotas et conditions de conservation de l'API hébergée non publiés.
- À qui s’adresse MiniCPM-OCR 1.0 ?
- Les équipes qui analysent de gros volumes de documents chinois ou anglais sur leurs propres GPU et tiennent autant au nombre de pages par heure qu'au dernier point de précision.
- Combien coûte MiniCPM-OCR 1.0 pour une équipe ou en production ?
- Le checkpoint BF16 pèse 2,6 GB, si bien qu'un seul GPU grand public suffit à le servir ; à 1,217 page par seconde, cela fait environ 4 400 pages par heure par RTX 5090 sans concurrence par page. Le modèle de mise en page ajoute sa propre charge GPU, et les tarifs payants de l'API hébergée ne sont pas publiés.
- MiniCPM-OCR 1.0 est-il sûr pour les données de l’entreprise ?
- Apache 2.0 pour les poids, le code et la documentation. En auto-hébergement, les documents restent sur votre matériel ; les conditions de conservation et d'entraînement de l'API ModelBest ne sont indiquées ni sur la fiche du modèle ni dans le communiqué de presse.
- Quelles sont les meilleures alternatives à MiniCPM-OCR 1.0 ?
- Les alternatives les plus proches que nous avons testées sont PaddleOCR-VL-1.6, Xiaomi-OCR-0, Surya OCR 2.5 et Mistral OCR 4.1.
Réponses vérifiées le 2 nov. 2026.
Vous éditez MiniCPM-OCR 1.0 ? Affichez cette note sur votre site
