Xiaomi-OCR-0의 개요
Xiaomi-OCR-0는 Xiaomi 연구 그룹이 만든 오픈 문서 인식 모델로, 2026년 9월 30일 기술 보고서와 함께 Apache 2.0 라이선스로 공개되었습니다. Qwen3.5-0.8B-Base를 파인튜닝한 모델이며, 1.75 GB 체크포인트 하나로 세 가지 작업을 합니다. 페이지를 Markdown으로 변환하면서 표는 OTSL로, 수식은 LaTeX로 바꾸고, 문서에 관한 질문에 답하고, 사용자가 제공한 JSON 스키마로 필드를 추출합니다.
Xiaomi는 약 1억 7,000만(170 million) 개의 샘플로 학습했습니다. 파싱 라벨의 대부분은 PaddleOCR-VL-1.6, MinerU2.5-Pro, GLM-OCR, TeleOCR, OvisOCR2 등 다른 OCR 모델 풀에서 나왔습니다. 그중 세 모델이 일치하면 채택했고, 일치하지 않으면 답을 이미지로 다시 렌더링해 재확인했습니다. 마지막 강화학습 단계는 파싱과 질의응답 보상을 섞습니다.
대표 파싱 점수는 2단계 구성을 씁니다. PaddleX의 PP-DocLayoutV3가 영역을 찾고, Xiaomi-OCR-0가 각 잘라 낸 영역을 읽습니다. 모델 카드는 Transformers 코드를 제공하고, GitHub 저장소는 vLLM과 SGLang 안내, 일괄 처리 스크립트, MCP 서비스, 브라우저 데모를 더합니다.
Xiaomi-OCR-0, 쓸 만한 가치가 있습니까?
Xiaomi-OCR-0는 1B 파라미터 미만 오픈 OCR 모델 가운데 가장 정확한 축에 들며, 전사 이상의 일을 합니다. Xiaomi는 OmniDocBench v1.6에서 종합 96.83을 보고하는데, 1.2B인 TeleOCR은 96.87, OvisOCR2는 96.58, PaddleOCR-VL-1.6은 96.33입니다. 수식용 UniMER-Test에서 97.84, 표용 PubTabNet에서 92.27도 기록합니다. Xiaomi가 직접 돌린 결과이지만, 다른 연구소들이 같은 경쟁 모델에 대해 발표한 수치와 비슷합니다.
Real5-OmniDocBench 주장은 더 불안합니다. Xiaomi는 95.24를 보고하며 1위라고 하지만, OpenBMB가 MiniCPM-OCR 출시 표를 위해 자체 하네스로 Xiaomi-OCR-0를 돌렸을 때는 92.73으로, 같은 표의 PaddleOCR-VL-1.6(93.19)보다 낮았습니다. 두 연구소 모두 PaddleOCR-VL-1.6에 같은 93.19를 주므로, 차이는 벤치마크 버전이 아니라 Xiaomi 모델을 돌린 방식에 있습니다. Wild-OmniDocBench에서는 두 표가 모든 모델에서 엇갈려, 어느 쪽 수치도 결론을 내리기 어렵습니다.
더 설득력 있는 근거는 폭넓은 능력입니다. DocVQA, InfoVQA, ChartQA, OCRBench, TextVQA 평균 83.2로, Qwen3.5-2B의 80.9보다 높고 출발점인 Qwen3.5-0.8B보다 10.3점 높습니다. 같은 체크포인트가 영수증이나 양식에서 JSON 스키마를 채우기도 합니다. Xiaomi 자체 절제 실험이 한계를 보여 줍니다. 같은 방식으로 학습한 4B 모델은 이 질의응답 테스트에서 88.1을 기록하므로, 작은 크기는 이해 능력에서 약 5점을 잃지만 파싱에서는 거의 잃지 않습니다.
속도는 중간입니다. RTX 5090에서 OpenBMB가 측정한 처리량은 초당 0.724페이지로, MiniCPM-OCR 1.0의 1.217, PaddleOCR-VL-1.6의 0.818보다 낮습니다. Xiaomi는 자체 속도 수치를 공개하지 않습니다. 가중치는 노트북에 올릴 만큼 작지만, 1.8 GB Ollama 패키지와 GGUF 빌드는 Xiaomi가 평가하지 않았다고 밝힌 커뮤니티 작업입니다. Xiaomi 자체 Ollama 점검에서는 7페이지 중 5페이지만 참조 출력과 일치했습니다.
제 역할을 하는 곳
직원 40명 회계법인의 백오피스 개발자
스캔한 영수증에서 날짜, 합계, 세금 ID를 뽑아 데이터베이스에 넣기
각 이미지를 'Extract key information in the image' 프롬프트와 원하는 필드의 JSON 스키마와 함께 보냅니다. 카드의 영수증 예시는 날짜, 판매자, GST ID, 합계, 세금을 반환합니다. 출력은 파싱된 양식이 아니라 생성된 텍스트이므로, 가져오기 전에 합계를 검증하십시오.
아카이브 PDF를 변환하는 과학 출판사의 ML 엔지니어
수식과 표가 빽빽한 페이지를 Markdown과 LaTeX로 바꾸기
GitHub 저장소의 2단계 파이프라인을 Xiaomi가 쓴 0.25 임계값의 PP-DocLayoutV3로 돌리면 UniMER 97.84와 PubTabNet 92.27의 구성을 재현합니다. 손글씨, 서예, 불규칙한 레이아웃에는 Xiaomi가 전체 페이지 모드를 권합니다.
16 GB 노트북에서 로컬 문서 도우미를 만드는 개발자
클라우드 API 없이 송장과 차트에 관한 질문에 답하기
커뮤니티 BF16 Ollama 패키지(약 1.8 GB)를 받고, Xiaomi의 전처리와 디코딩 설정을 적용하는 저장소의 MCP 서비스를 씁니다. 정확도는 검증되지 않은 것으로 보십시오. Xiaomi는 Ollama에서 테스트 페이지 7개 중 5개에서만 참조 출력과 일치했습니다.
도입 전 확인할 점
- 설정
- 버전을 고정한 스택(transformers 5.17.0, torch 2.14.0)을 설치하고 AutoModelForImageTextToText로 로드합니다. trust_remote_code는 필요 없습니다. 영역 모드와 벤치마크 구성에는 PaddlePaddle, PaddleX, PP-DocLayoutV3도 필요합니다.
- 연동
- Qwen3_5ForConditionalGeneration을 지원하는 Transformers, vLLM, SGLang 릴리스, GitHub 저장소의 MCP 서비스, 브라우저 데모, 에이전트 스킬, llama.cpp용 커뮤니티 GGUF와 NInfer BF16 빌드가 있으며, 가중치는 ModelScope에도 미러링되어 있습니다.
- 데이터와 개인정보
- 사용 제한이 없는 Apache 2.0입니다. 자체 호스팅만 가능하므로 문서가 사용자 하드웨어에 남습니다. 학습 라벨은 대부분 다른 오픈 OCR 모델이 만들었습니다.
- 대규모 사용 시 비용
- 체크포인트는 1.75 GB이며 소비자용 GPU 한 장에서 돌아갑니다. OpenBMB는 RTX 5090에서 동시성 1로 초당 0.724페이지를 측정했으므로, 배칭 전 기준 카드 한 장이 시간당 약 2,600페이지를 처리합니다. Xiaomi는 처리량 수치를 공개하지 않습니다.
- 제한
- 설정상 262,144 위치를 허용하며, 샘플 코드는 페이지당 출력을 새 토큰 4,096개로 제한합니다. 영역 모드는 장면 텍스트, 손글씨, 고서에서 맥락을 잃을 수 있고, 커뮤니티 양자화는 Xiaomi가 테스트하지 않았습니다.
좋은 점
- 0.8B로 OmniDocBench v1.6 96.83(자체 보고)
- 파싱, 문서 질의응답, JSON 필드 추출을 체크포인트 하나로
- 문서 QA 벤치마크 다섯 개 평균 83.2로 Qwen3.5-2B보다 높음
- Apache 2.0, 1.75 GB 체크포인트
아쉬운 점
- OpenBMB 측정으로 Real5-OmniDocBench는 Xiaomi의 95.24가 아니라 92.73
- OpenBMB 테스트에서 MiniCPM-OCR 1.0과 PaddleOCR-VL-1.6보다 느림
- 대표 파싱 점수에는 별도의 PP-DocLayoutV3 레이아웃 모델이 필요
- GGUF와 Ollama 빌드는 커뮤니티 제작이며 검증되지 않음
추천 대상
페이지를 Markdown으로 바꾸는 파싱과 양식 및 영수증의 필드 추출을 Apache 라이선스의 작은 모델 하나로 하려는 팀.
Xiaomi-OCR-0 대안
Xiaomi-OCR-0: 자주 묻는 질문
- Xiaomi-OCR-0, 쓸 만한 가치가 있습니까?
- Xiaomi-OCR-0는 자기보다 1.5배 큰 모델만큼 페이지를 잘 읽지만, 가장 눈에 띄는 수치는 경쟁 연구소가 재현하지 못한 것입니다. 평점은 5점 만점에 4.1점입니다.
- Xiaomi-OCR-0의 가격은 얼마입니까?
- Apache 2.0으로 무료입니다. Xiaomi의 호스팅 API는 없습니다.
- Xiaomi-OCR-0의 단점은 무엇입니까?
- OpenBMB 측정으로 Real5-OmniDocBench는 Xiaomi의 95.24가 아니라 92.73; OpenBMB 테스트에서 MiniCPM-OCR 1.0과 PaddleOCR-VL-1.6보다 느림; 대표 파싱 점수에는 별도의 PP-DocLayoutV3 레이아웃 모델이 필요; GGUF와 Ollama 빌드는 커뮤니티 제작이며 검증되지 않음.
- Xiaomi-OCR-0에 적합한 사람은 누구입니까?
- 페이지를 Markdown으로 바꾸는 파싱과 양식 및 영수증의 필드 추출을 Apache 라이선스의 작은 모델 하나로 하려는 팀.
- 팀이나 프로덕션 환경에서 Xiaomi-OCR-0의 비용은 얼마입니까?
- 체크포인트는 1.75 GB이며 소비자용 GPU 한 장에서 돌아갑니다. OpenBMB는 RTX 5090에서 동시성 1로 초당 0.724페이지를 측정했으므로, 배칭 전 기준 카드 한 장이 시간당 약 2,600페이지를 처리합니다. Xiaomi는 처리량 수치를 공개하지 않습니다.
- Xiaomi-OCR-0에 회사 데이터를 맡겨도 안전합니까?
- 사용 제한이 없는 Apache 2.0입니다. 자체 호스팅만 가능하므로 문서가 사용자 하드웨어에 남습니다. 학습 라벨은 대부분 다른 오픈 OCR 모델이 만들었습니다.
- Xiaomi-OCR-0의 가장 좋은 대안은 무엇입니까?
- 저희가 리뷰한 것 중 가장 가까운 대안은 MiniCPM-OCR 1.0, PaddleOCR-VL-1.6, Surya OCR 2.5 및 Unlimited-OCR 2입니다.
답변 확인일: 2026년 11월 2일.
Xiaomi-OCR-0 개발사입니까? 이 평점을 사이트에 표시하십시오
