Qu’est-ce que Xiaomi-OCR-0 ?
Xiaomi-OCR-0 est un modèle ouvert de reconnaissance de documents du groupe de recherche de Xiaomi, publié avec un rapport technique le 30 septembre 2026 sous licence Apache 2.0. C'est un fine-tune de Qwen3.5-0.8B-Base, et l'unique checkpoint de 1,75 GB gère trois tâches : convertir une page en Markdown avec les tableaux en OTSL et les formules en LaTeX, répondre à des questions sur un document, et extraire des champs dans un schéma JSON que vous fournissez.
Xiaomi l'a entraîné sur environ 170 millions d'exemples. La plupart des étiquettes d'analyse viennent d'un ensemble d'autres modèles d'OCR, dont PaddleOCR-VL-1.6, MinerU2.5-Pro, GLM-OCR, TeleOCR et OvisOCR2, conservées lorsque trois d'entre eux s'accordaient et revérifiées en rendant la réponse sous forme d'image lorsqu'ils divergeaient. Une dernière étape d'apprentissage par renforcement mélange des récompenses d'analyse et de questions-réponses.
Les scores d'analyse mis en avant utilisent une configuration en deux étapes : PP-DocLayoutV3 de PaddleX trouve les régions, et Xiaomi-OCR-0 lit chaque découpe. La fiche du modèle propose du code Transformers, et le dépôt GitHub ajoute des instructions pour vLLM et SGLang, des scripts de traitement par lots, un service MCP et une démo dans le navigateur.
Xiaomi-OCR-0 vaut-il le coup ?
Xiaomi-OCR-0 fait partie des modèles d'OCR ouverts les plus précis sous 1B de paramètres, et il ne se contente pas de transcrire. Sur OmniDocBench v1.6, Xiaomi annonce 96,83 au total, contre 96,87 pour TeleOCR à 1,2B, 96,58 pour OvisOCR2 et 96,33 pour PaddleOCR-VL-1.6. Il obtient aussi 97,84 sur UniMER-Test pour les formules et 92,27 sur PubTabNet pour les tableaux. Ce sont les propres essais de Xiaomi, mais ils sont proches des chiffres que d'autres laboratoires publient pour les mêmes concurrents.
L'affirmation sur Real5-OmniDocBench est plus fragile. Xiaomi annonce 95,24 et parle de première place ; quand OpenBMB a fait passer Xiaomi-OCR-0 dans son propre harnais pour le tableau de lancement de MiniCPM-OCR, il a obtenu 92,73, derrière les 93,19 de PaddleOCR-VL-1.6 dans le même tableau. Les deux laboratoires donnent à PaddleOCR-VL-1.6 le même 93,19, si bien que l'écart tient à la façon dont le modèle de Xiaomi a été exécuté, pas à la version du benchmark. Sur Wild-OmniDocBench, les deux tableaux divergent pour tous les modèles, si bien qu'aucun des deux chiffres n'y tranche grand-chose.
L'éventail de compétences est le meilleur argument. Sur DocVQA, InfoVQA, ChartQA, OCRBench et TextVQA, il obtient en moyenne 83,2, au-dessus des 80,9 de Qwen3.5-2B et 10,3 points au-dessus du Qwen3.5-0.8B dont il est parti, et le même checkpoint remplit un schéma JSON à partir d'un reçu ou d'un formulaire. La propre ablation de Xiaomi montre la limite : un modèle de 4B entraîné de la même façon obtient 88,1 sur ces tests de questions-réponses, si bien que la petite taille coûte environ cinq points en compréhension tout en ne coûtant presque rien en analyse.
La vitesse est moyenne. Dans le test de débit d'OpenBMB sur une RTX 5090, Xiaomi-OCR-0 a atteint 0,724 page par seconde contre 1,217 pour MiniCPM-OCR 1.0 et 0,818 pour PaddleOCR-VL-1.6. Xiaomi ne publie aucun chiffre de vitesse. Les poids sont assez petits pour un portable, mais le paquet Ollama de 1,8 GB et les builds GGUF sont des travaux communautaires que Xiaomi dit ne pas avoir évalués ; son propre test sous Ollama a reproduit la sortie de référence sur 5 pages sur 7.
Là où il fait la différence
Un développeur back-office dans un cabinet comptable de 40 personnes
Extraire dates, totaux et numéros fiscaux de reçus numérisés vers une base de données
Envoyez chaque image avec le prompt 'Extract key information in the image' et un schéma JSON des champs voulus ; l'exemple de reçu de la fiche renvoie la date, le vendeur, le numéro de TPS, le total et la taxe. Validez les totaux avant l'import, car la sortie est du texte généré, pas un formulaire analysé.
Un ingénieur ML chez un éditeur scientifique qui convertit des PDF d'archives
Transformer en Markdown et LaTeX des pages chargées d'équations et de tableaux
Lancez le pipeline en deux étapes du dépôt GitHub avec PP-DocLayoutV3 au seuil de 0,25 utilisé par Xiaomi, ce qui reproduit la configuration des 97,84 sur UniMER et 92,27 sur PubTabNet. Pour l'écriture manuscrite, la calligraphie et les mises en page irrégulières, Xiaomi conseille plutôt le mode page entière.
Un développeur qui construit un assistant documentaire local sur un portable de 16 GB
Répondre à des questions sur des factures et des graphiques sans API cloud
Récupérez le paquet Ollama BF16 communautaire (environ 1,8 GB) et utilisez le service MCP du dépôt, qui applique les réglages de prétraitement et de décodage de Xiaomi. Considérez la précision comme non vérifiée : Xiaomi n'a reproduit sa sortie de référence que sur 5 des 7 pages de test sous Ollama.
Avant de vous engager
- Mise en route
- Installez la pile figée (transformers 5.17.0, torch 2.14.0) et chargez-le avec AutoModelForImageTextToText ; trust_remote_code n'est pas nécessaire. Le mode par région et la configuration des benchmarks exigent aussi PaddlePaddle, PaddleX et PP-DocLayoutV3.
- Intégrations
- Les versions de Transformers, vLLM et SGLang qui prennent en charge Qwen3_5ForConditionalGeneration ; un service MCP, une démo dans le navigateur et un skill d'agent dans le dépôt GitHub ; GGUF communautaire pour llama.cpp et un build NInfer BF16 ; poids répliqués sur ModelScope.
- Données et confidentialité
- Apache 2.0 sans restriction d'usage. Auto-hébergement uniquement, donc les documents restent sur votre matériel ; les étiquettes d'entraînement ont été en grande partie produites par d'autres modèles d'OCR ouverts.
- Coût à grande échelle
- Le checkpoint pèse 1,75 GB et tourne sur un seul GPU grand public. OpenBMB a mesuré 0,724 page par seconde sur une RTX 5090 avec une concurrence de 1, si bien qu'une seule carte couvre environ 2 600 pages par heure avant traitement par lots ; Xiaomi ne publie aucun chiffre de débit.
- Limites
- La configuration autorise 262 144 positions ; le code d'exemple plafonne la sortie à 4 096 nouveaux tokens par page. Le mode par région peut perdre le contexte sur le texte de scène, l'écriture manuscrite et les livres anciens, et les quantifications communautaires ne sont pas testées par Xiaomi.
Les points forts
- 96,83 sur OmniDocBench v1.6 avec 0,8B (autodéclaré)
- Analyse, questions-réponses sur documents et extraction de champs JSON dans un seul checkpoint
- Moyenne de 83,2 sur cinq benchmarks de questions-réponses sur documents, au-dessus de Qwen3.5-2B
- Apache 2.0 ; checkpoint de 1,75 GB
Les points faibles
- OpenBMB a mesuré 92,73 sur Real5-OmniDocBench, pas les 95,24 de Xiaomi
- Plus lent que MiniCPM-OCR 1.0 et PaddleOCR-VL-1.6 dans le test d'OpenBMB
- Les scores d'analyse mis en avant exigent le modèle de mise en page séparé PP-DocLayoutV3
- Les builds GGUF et Ollama sont communautaires et non validés
Idéal pour
Les équipes qui veulent un seul petit modèle sous licence Apache pour l'analyse de pages en Markdown comme pour l'extraction de champs de formulaires et de reçus.
Alternatives à Xiaomi-OCR-0
Xiaomi-OCR-0 : questions fréquentes
- Xiaomi-OCR-0 vaut-il le coup ?
- Xiaomi-OCR-0 lit une page à peu près aussi bien que des modèles moitié plus gros, mais son meilleur chiffre mis en avant est un résultat qu'un laboratoire concurrent n'a pas pu reproduire. Nous lui donnons 4.1 sur 5.
- Combien coûte Xiaomi-OCR-0 ?
- Gratuit sous Apache 2.0. Pas d'API hébergée chez Xiaomi.
- Quels sont les inconvénients de Xiaomi-OCR-0 ?
- OpenBMB a mesuré 92,73 sur Real5-OmniDocBench, pas les 95,24 de Xiaomi; plus lent que MiniCPM-OCR 1.0 et PaddleOCR-VL-1.6 dans le test d'OpenBMB; les scores d'analyse mis en avant exigent le modèle de mise en page séparé PP-DocLayoutV3; les builds GGUF et Ollama sont communautaires et non validés.
- À qui s’adresse Xiaomi-OCR-0 ?
- Les équipes qui veulent un seul petit modèle sous licence Apache pour l'analyse de pages en Markdown comme pour l'extraction de champs de formulaires et de reçus.
- Combien coûte Xiaomi-OCR-0 pour une équipe ou en production ?
- Le checkpoint pèse 1,75 GB et tourne sur un seul GPU grand public. OpenBMB a mesuré 0,724 page par seconde sur une RTX 5090 avec une concurrence de 1, si bien qu'une seule carte couvre environ 2 600 pages par heure avant traitement par lots ; Xiaomi ne publie aucun chiffre de débit.
- Xiaomi-OCR-0 est-il sûr pour les données de l’entreprise ?
- Apache 2.0 sans restriction d'usage. Auto-hébergement uniquement, donc les documents restent sur votre matériel ; les étiquettes d'entraînement ont été en grande partie produites par d'autres modèles d'OCR ouverts.
- Quelles sont les meilleures alternatives à Xiaomi-OCR-0 ?
- Les alternatives les plus proches que nous avons testées sont MiniCPM-OCR 1.0, PaddleOCR-VL-1.6, Surya OCR 2.5 et Unlimited-OCR 2.
Réponses vérifiées le 2 nov. 2026.
Vous éditez Xiaomi-OCR-0 ? Affichez cette note sur votre site
