O que é MiniCPM-OCR 1.0?
O MiniCPM-OCR 1.0 é o primeiro modelo específico de OCR da família MiniCPM-V da OpenBMB, lançado no fim de outubro de 2026 pela OpenBMB e pela ModelBest sob Apache 2.0. Ele tem 1,3 bilhão de parâmetros, um encoder de visão SigLIP com um modelo de linguagem Qwen3.5, e foi treinado para OCR sobre o MiniCPM-V 4.6. Ele lê texto, tabelas, fórmulas, gráficos e carimbos em chinês e inglês e extrai campos nomeados para JSON.
Ele foi feito para rodar dentro de um pipeline, não sozinho. O SDK minicpm-ocr recebe um PDF ou uma imagem, encontra as regiões com o modelo de layout PP-DocLayoutV3 da Baidu, envia cada recorte ao servidor de reconhecimento e remonta Markdown e JSON na ordem de leitura. Um modelo de rascunho opcional, o DSpark, acelera a decodificação, e builds quantizados em GGUF, AWQ e GPTQ saíram no mesmo dia.
Junto com ele, a OpenBMB lançou o MiniCPM-OCR Jev, um modelo de 2B que confere a saída de qualquer sistema de OCR com a imagem de origem e pontua a confiança, para que páginas duvidosas possam ir para uma pessoa. A ModelBest também oferece uma API hospedada gratuita de parsing de documentos.
MiniCPM-OCR 1.0 vale a pena?
O argumento do MiniCPM-OCR 1.0 é velocidade com precisão quase no topo, e não uma única pontuação vencedora. No teste de throughput da OpenBMB, em uma RTX 5090 sobre as 1.651 páginas do OmniDocBench v1.6, ele processou 1,217 página por segundo com DSpark, contra 1,179 do GLM-OCR, 0,818 do PaddleOCR-VL-1.6, 0,724 do Xiaomi-OCR-0 e 0,246 do Unlimited-OCR 2. Com oito páginas em paralelo, chegou a 2,133 páginas por segundo.
Em precisão, ele lidera em quatro dos seis benchmarks da tabela da OpenBMB, incluindo 93,68 no Real5-OmniDocBench contra 93,19 do PaddleOCR-VL-1.6, 92,39 no Wild-OmniDocBench e 54,7 no OCRBench v2, onde o segundo melhor, o Nanonets-OCR-s, tem 47,4. No OmniDocBench v1.6 padrão, seus 96,51 ficam atrás do TeleOCR, com 96,91, do Xiaomi-OCR-0, com 96,83, e do OvisOCR2, com 96,58, e o chandra-ocr-2 o supera no olmOCR-Bench, 85,8 a 82,7. Todos os números, inclusive os dos rivais, vêm de execuções da própria OpenBMB, embora ela publique um guia de reprodução.
O quarto se destaca. No CHAOS-Bench ele marca 29,78, enquanto o segundo melhor, o TeleOCR, tem 21,28 e a maioria dos rivais fica abaixo de 15. O CHAOS-Bench é novo, e a margem é grande o bastante para pedir uma verificação externa antes de orientar uma compra.
O pipeline é a contrapartida. O parsing de páginas inteiras depende do PP-DocLayoutV3, um modelo separado que o SDK baixa e cujos exemplos pressupõem uma GPU NVIDIA, então o número de 1,3B subestima o que você implanta. O SDK e o servidor de reconhecimento rodam em ambientes Python separados, e o DSpark só funciona com o modelo de rascunho do mesmo lançamento.
O modelo companheiro Jev é a parte mais incomum do lançamento. Ele pontua o texto, as fórmulas e as tabelas de outro parser contra a imagem da página, o que serve para encaminhar páginas de baixa confiança para revisão humana; a alegação da OpenBMB de que ele se aproxima do Qwen3.5-397B-A17B no seu próprio JevOCRBench não foi testada em outro lugar.
Onde ele se destaca
Uma equipe de plataforma de dados em um banco digitalizando um acúmulo de processos de empréstimo
Converter milhões de páginas em Markdown e JSON em GPUs próprias
Sirva o modelo em BF16 com o rascunho DSpark no vLLM e aponte o SDK para ele com a concorrência de páginas e regiões aumentada. O número da OpenBMB de 2,133 páginas por segundo com concorrência 8 dá cerca de 7.700 páginas por hora por RTX 5090, antes que a detecção de layout vire o limite.
Um líder de operações em uma seguradora que revisa formulários de sinistro com carimbos e manuscritos
Enviar só as páginas duvidosas para um revisor humano
Processe com o MiniCPM-OCR 1.0, incluindo o prompt 'Seal Recognition:' para carimbos, depois pontue cada resultado com o MiniCPM-OCR Jev e aceite automaticamente acima de um limite que você calibra com os seus próprios arquivos. O Jev também funciona com outros parsers, então pode conferir um sistema de OCR existente.
Um desenvolvedor em uma startup de cinco pessoas prototipando a extração de notas fiscais
Testar o parsing de documentos antes de comprar qualquer GPU
Experimente a API gratuita da ModelBest ou o Hugging Face Space e depois passe ao build em GGUF no llama.cpp em uma estação de trabalho. Como as cotas e os termos de dados da API hospedada não são publicados, mantenha documentos de clientes fora dela até que sejam.
Antes de decidir
- Configuração
- pip install 'minicpm-ocr[all]' em Python 3.10+, inicie um servidor de reconhecimento (vLLM, SGLang, llama.cpp ou Ollama) em um ambiente separado e depois rode minicpmvocr parse; o SDK baixa o PP-DocLayoutV3 no primeiro uso. A OpenBMB também oferece uma skill de agente que guia um agente de programação pela configuração.
- Integrações
- Endpoints compatíveis com a OpenAI do vLLM ou SGLang; llama.cpp e Ollama para GGUF; builds FlagOS para Huawei Ascend, Kunlunxin, Moore Threads e outros aceleradores chineses; receitas de fine-tuning para LLaMA-Factory e ms-swift.
- Dados e privacidade
- Apache 2.0 para pesos, código e documentação. Auto-hospedado, os documentos ficam no seu hardware; os termos de retenção e treinamento da API da ModelBest não constam do card do modelo nem do comunicado à imprensa.
- Custo em escala
- O checkpoint em BF16 tem 2,6 GB, então uma GPU de consumo o serve; a 1,217 página por segundo, isso dá cerca de 4.400 páginas por hora por RTX 5090 sem concorrência de páginas. O modelo de layout acrescenta a própria carga de GPU, e as tarifas pagas da API hospedada não são publicadas.
- Limites
- Chinês e inglês são os idiomas principais. Cada imagem é cortada em no máximo 9 fatias de 448 pixels com compressão de 4x dos tokens visuais; o guia recomenda conferir finish_reason para saídas truncadas, e o DSpark exige os pesos de rascunho correspondentes.
O que é bom
- 1,217 página por segundo em uma RTX 5090, o mais rápido no teste de 15 modelos da OpenBMB
- 93,68 no Real5-OmniDocBench e 54,7 no OCRBench v2 (autodeclarados)
- Builds em GGUF, AWQ e GPTQ, além de vLLM, SGLang, llama.cpp e Ollama no lançamento
- Apache 2.0, com um modelo verificador de 2B para encaminhar à revisão humana
O que não é
- Atrás do TeleOCR, do Xiaomi-OCR-0 e do OvisOCR2 no OmniDocBench v1.6
- Todos os números comparativos são execuções da própria OpenBMB
- O parsing de páginas inteiras exige um modelo de layout separado, baseado em GPU nos exemplos
- Cotas e termos de retenção da API hospedada não publicados
Ideal para
Equipes que processam grandes volumes de documentos em chinês ou inglês nas próprias GPUs e se importam tanto com páginas por hora quanto com o último ponto de precisão.
Alternativas ao MiniCPM-OCR 1.0
MiniCPM-OCR 1.0: perguntas frequentes
- MiniCPM-OCR 1.0 vale a pena?
- O MiniCPM-OCR 1.0 combina precisão de parsing quase no topo com o maior throughput no teste de 15 modelos do fabricante, o que o torna a escolha prática de OCR pequeno, se os números se confirmarem. Damos nota 4.3 de 5.
- Quanto custa MiniCPM-OCR 1.0?
- Gratuito sob Apache 2.0. A API hospedada de parsing de documentos da ModelBest é anunciada como gratuita; cotas e tarifas pagas não publicadas.
- Quais são as desvantagens de MiniCPM-OCR 1.0?
- Atrás do TeleOCR, do Xiaomi-OCR-0 e do OvisOCR2 no OmniDocBench v1.6; todos os números comparativos são execuções da própria OpenBMB; o parsing de páginas inteiras exige um modelo de layout separado, baseado em GPU nos exemplos; cotas e termos de retenção da API hospedada não publicados.
- Para quem MiniCPM-OCR 1.0 é indicado?
- Equipes que processam grandes volumes de documentos em chinês ou inglês nas próprias GPUs e se importam tanto com páginas por hora quanto com o último ponto de precisão.
- Quanto custa MiniCPM-OCR 1.0 para uma equipe ou em produção?
- O checkpoint em BF16 tem 2,6 GB, então uma GPU de consumo o serve; a 1,217 página por segundo, isso dá cerca de 4.400 páginas por hora por RTX 5090 sem concorrência de páginas. O modelo de layout acrescenta a própria carga de GPU, e as tarifas pagas da API hospedada não são publicadas.
- MiniCPM-OCR 1.0 é seguro para dados da empresa?
- Apache 2.0 para pesos, código e documentação. Auto-hospedado, os documentos ficam no seu hardware; os termos de retenção e treinamento da API da ModelBest não constam do card do modelo nem do comunicado à imprensa.
- Quais são as melhores alternativas ao MiniCPM-OCR 1.0?
- As alternativas mais próximas que analisamos são PaddleOCR-VL-1.6, Xiaomi-OCR-0, Surya OCR 2.5 e Mistral OCR 4.1.
Respostas verificadas em 2 de nov. de 2026.
Você faz o MiniCPM-OCR 1.0? Mostre esta nota no seu site
