面壁智能正式推出 MiniCPM-OCR 系列模型，专为高效文档解析与文字识别场景设计。该系列包含 MiniCPM-OCR 1.0 与 MiniCPM-OCR Jev，在复杂采集条件下兼顾解析质量与处理效率，并为自动化工作流提供可靠的区域级质量判断。
- GitHub：https://github.com/OpenBMB/MiniCPM-OCR
- Hugging Face：https://huggingface.co/collections/openbmb/minicpm-ocr
- ModelScope：https://modelscope.cn/collections/OpenBMB/MiniCPM-OCR
MiniCPM-OCR 1.0：高效文档解析与结构化抽取
作为 MiniCPM-V/o 家族的首个 OCR 专用模型（1.3B 参数），它聚焦于以文字为中心的文档理解，覆盖文本、表格、公式、图表与印章的结构化信息抽取。
- 真实场景解析能力：在真实场景文档解析评测 Real5-OmniDocBench 上取得 93.68 的成绩，并在 OmniDocBench v1.6、Wild-OmniDocBench 和 olmOCR-Bench 等多项基准测试中保持领先。模型支持中英双语文档与 PDF 解析，在扫描、弯曲、拍照、倾斜及翻拍等非标准条件下表现稳定。
- 推理效率显著提升：通过引入 DSpark 解码加速技术（支持 DSpark-BF16 与 DSpark-GGUF），模型的端到端处理效率提升了 55%。其实际处理吞吐量达到 1.2 pages/s，约为 PaddleOCR-VL-1.6 的 1.49 倍，以及 MinerU2.5 Pro 的 3.62 倍，有效降低了大规模文档处理的时间成本。
- 通用识别与关键信息抽取：在 OCRBench v2 评测中获得 54.7 的成绩，展现出扎实的通用 OCR 能力。同时，模型原生支持关键信息抽取（KIE），可根据具体业务需求精准提取文档核心内容，便于后续的自动化数据整理。
MiniCPM-OCR Jev：区域级解析质量决策
MiniCPM-OCR Jev 是一个参数量为 2B 的 OCR 正确性决策模型，专门针对文本、公式和表格的解析结果进行区域级质量判断。
- 高精度决策能力：输入图像及对应的 OCR 结果后，模型可输出 0 至 1 的质量评分。在 JevOCRBench 评测中，其决策精度 AUROC 达到 93.6。这一表现超越了参数规模更大的 JEV-35B-A3B（90.1），并逼近 Qwen3.5-397B-A17B（93.8）的水平。
- 跨模型稳定泛化：该模型具备良好的泛化性，可作为通用的质量校验插件搭配不同解析模型使用。当输入来自 MiniCPM-OCR 1.0、GLM-OCR、PaddleOCR-VL-1.6 或 Xiaomi-OCR-0 的解析结果时，其 AUROC 成绩均稳定保持在 91.9 至 93.4 之间。
工程化部署与 Agent 自动化集成
为降低开发与集成门槛，MiniCPM-OCR 系列在工程落地方面提供了完善的支持。
- 多平台与多后端支持：MiniCPM-OCR 1.0 在发布首日即适配了 vLLM、SGLang、llama.cpp 和 Ollama 等主流推理框架，并提供多芯片适配与多种量化版本，满足不同硬件环境的部署需求。
- 自动化 Agent 集成：项目提供了结构化的
SKILL.md文件。开发者可直接向编码 Agent 发送指令，自动完成环境配置、模型下载与首次文档解析。对于 Jev 打分服务，Agent 亦可自动完成本地部署与验证，支持 Docker 镜像与 SDK 两种路径。 - 开发友好性：模型支持二次微调，官方同步提供了 pip SDK、功能完备的 API 以及在线体验平台（覆盖国内与海外节点），方便开发者进行应用集成与定制开发。
© 版权声明
文章版权归作者所有，未经允许请勿转载。
