MiniCPM-OCR 1.0

真価を発揮する場面

• 未処理のスキャン済みの融資ファイルをデジタル化する銀行のデータ基盤チーム

  社内のGPUで数百万ページをMarkdownとJSONに解析する

  vLLMでBF16のモデルとDSparkのドラフトを動かし、ページと領域の同時実行数を上げてSDKをそこに向けます。OpenBMBの同時実行数8で毎秒2.133ページという数字は、レイアウトの検出が制約になる前の時点で、RTX 5090 1枚あたり1時間に約7,700ページになります。

• 印鑑や手書きのある保険金請求書を確認する保険会社の業務責任者

  疑わしいページだけを人の確認担当者に回す

  印鑑には'Seal Recognition:'のプロンプトも使ってMiniCPM-OCR 1.0で解析し、各結果をMiniCPM-OCR Jevで採点し、自分のファイルで調整したしきい値を超えたものは自動で受け入れます。Jevはほかの解析モデルとも使えるので、既存のOCRシステムのチェックにも使えます。

• 請求書の抽出を試作する5人のスタートアップの開発者

  GPUを買う前に文書解析を試す

  無料のModelBestのAPIかHugging Face Spaceで試し、その後ワークステーションでllama.cppを使うGGUFのビルドに移ります。ホスト版APIの利用枠とデータの条件は公開されていないので、公開されるまでは顧客の文書を送らないでください。

導入前に確認すること

導入

Python 3.10以降で'minicpm-ocr[all]'をpip installし、別の環境で認識用のサーバー（vLLM、SGLang、llama.cpp、Ollama）を起動してから、minicpmvocr parseを実行します。SDKは初回の利用時にPP-DocLayoutV3をダウンロードします。OpenBMBは、コーディングエージェントに設定を案内させるエージェント用のスキルも提供しています。

連携

vLLMまたはSGLangによるOpenAI互換のエンドポイント。GGUF向けのllama.cppとOllama。Huawei Ascend、Kunlunxin、Moore Threadsなど中国のアクセラレーター向けのFlagOSのビルド。LLaMA-Factoryとms-swiftのファインチューニングの手順。

データとプライバシー

重み、コード、ドキュメントはApache 2.0です。セルフホストなら文書は自分のハードウェアにとどまります。ModelBestのAPIの保持と学習の条件は、モデルカードにもプレスリリースにも書かれていません。

大規模利用時のコスト

BF16のチェックポイントは2.6 GBなので、一般向けのGPU 1枚で動かせます。毎秒1.217ページなら、ページの同時実行なしでRTX 5090 1枚あたり1時間に約4,400ページです。レイアウトのモデルが別にGPUの負荷を加え、ホスト版APIの有料の料金は公開されていません。

制限

主な言語は中国語と英語です。各画像は448ピクセルで最大9つに分割され、視覚トークンは4倍に圧縮されます。ガイドは、出力が途中で切れていないかfinish_reasonを確認するよう警告しています。DSparkには対応するドラフトの重みが必要です。

MiniCPM-OCR 1.0の代替

PaddleOCR-VL-1.6

Baidu (PaddlePaddle)·OCR・文書·オープンウェイト

4.4/5

少なくとも開発元の集計では、主要なOCRベンチマークで首位に立つ9億（0.9 billion）パラメータの文書解析モデルです。

Xiaomi-OCR-0

Xiaomi·OCR・文書·オープンウェイト

4.1/5

Xiaomiによる0.8BのオープンなOCRモデルです。ページを解析し、それについての質問に答え、JSONの項目を埋めます。Apache 2.0です。

Surya OCR 2.5

Datalab·OCR・文書·オープンウェイト

4.0/5

Datalabの689Mパラメータの文書パーサーです。レイアウト、OCR、表、数式をHTMLで返し、GPU 1基で高速に動き、売上$5M未満なら無料です。

Mistral OCR 4.1

Mistral AI·OCR・文書

4.2/5

段落のバウンディングボックス、ブロックのラベル、信頼度スコアを170言語で返すMistralの文書OCRです。料金は1,000ページあたり$4です。

MiniCPM-OCR 1.0：よくある質問

MiniCPM-OCR 1.0は使う価値があるか？

MiniCPM-OCR 1.0は、首位に近い解析の精度と、開発元の15モデルのテストで最高のスループットを兼ね備えています。数字が確かなら、実用的な小型OCRの選択肢です。 評価は5点満点中4.3点です。

MiniCPM-OCR 1.0の料金は？

Apache 2.0で無料。ModelBestのホスト版の文書解析APIは無料とうたわれていますが、利用枠と有料の料金は公開されていません。

MiniCPM-OCR 1.0の欠点は？

OmniDocBench v1.6ではTeleOCR、Xiaomi-OCR-0、OvisOCR2に及ばない; 比較の数字はすべてOpenBMB自身による実行; ページ全体の解析には別のレイアウトモデルが必要で、例ではGPUを使う; ホスト版APIの利用枠と保持の条件が公開されていない.

MiniCPM-OCR 1.0は誰に向いているか？

中国語や英語の文書を自分のGPUで大量に解析し、最後の1ポイントの精度と同じくらい1時間あたりのページ数を重視するチーム。

チームや本番環境でMiniCPM-OCR 1.0を使うと費用はいくらか？

BF16のチェックポイントは2.6 GBなので、一般向けのGPU 1枚で動かせます。毎秒1.217ページなら、ページの同時実行なしでRTX 5090 1枚あたり1時間に約4,400ページです。レイアウトのモデルが別にGPUの負荷を加え、ホスト版APIの有料の料金は公開されていません。

MiniCPM-OCR 1.0は企業データを扱っても安全か？

重み、コード、ドキュメントはApache 2.0です。セルフホストなら文書は自分のハードウェアにとどまります。ModelBestのAPIの保持と学習の条件は、モデルカードにもプレスリリースにも書かれていません。

MiniCPM-OCR 1.0の代わりになるものは？

当サイトでレビューした中で最も近い代替はPaddleOCR-VL-1.6, Xiaomi-OCR-0, Surya OCR 2.5 、 Mistral OCR 4.1です。

回答確認日：2026年11月2日