MiniCPM-OCR

x+hf+web 0.88

介绍

MiniCPM-OCR 是 OpenBMB（MiniCPM 系列模型背后的开源社区，与面壁智能合作）推出的开源文档解析 / OCR 模型家族，于 2026-10-27 以“双模型套件”形式发布：

MiniCPM-OCR 1.0（1.3B 参数）——MiniCPM-V/o 家族中首个 OCR 专用模型，基于 MiniCPM-V 4.6 继续做 OCR 训练（SigLIP 视觉编码器 + Qwen3.5 语言模型）。
MiniCPM-OCR Jev（2B）——与具体 OCR 引擎无关的“质检/判定”模型，按区域检查识别结果，标出需要人工复核的部分。

代码、文档与权重全部以 Apache 2.0 协议开源。权重：openbmb/MiniCPM-OCR-1.0 · 代码：github.com/OpenBMB/MiniCPM-OCR。

解析质量：Real5-OmniDocBench（真实拍摄场景）93.68 分、OCRBench v2 54.7 分，并在 OmniDocBench v1.6、Wild-OmniDocBench、olmOCR-Bench 上表现领先。支持中英文文档与 PDF，能处理扫描件、弯曲页、手机拍照、倾斜及翻拍文档。
覆盖范围：文本、表格、公式、图表、印章，以及关键信息抽取（KIE），可直接输出结构化结果供下游自动化使用。
速度：借助 DSpark 解码加速（提供 BF16 与 GGUF 版本），端到端效率提升约 55%；吞吐约为 PaddleOCR-VL-1.6 的 1.49 倍、MinerU2.5 Pro 的 3.62 倍，SDK 并发优化后可达约每分钟 128 页。
Jev 质检：MiniCPM-OCR Jev 可对不同 OCR 引擎输出的文本、公式、表格区域打分；官方称在 JevOCRBench 得 93.6 分，高于 JEV-35B-A3B（90.1），接近 Qwen3.5-397B-A17B（93.8）。
部署：首日支持 vLLM、SGLang、llama.cpp、Ollama，提供 GGUF / GPTQ / AWQ 量化版本，并适配 Arm、Intel（OpenVINO）、NVIDIA、后摩智能等芯片，另通过 FlagOS 适配更多厂商。

这是一个全新的独立模型名（并非 MiniCPM-V 的版本号升级），权重、代码、SDK 同步开源，2026-10-28 登上 X 的 AI 热门新闻。

Hugging Face：下载 openbmb/MiniCPM-OCR-1.0（另有 GGUF / GPTQ / AWQ / DSpark 版本）以及 openbmb/MiniCPM-OCR-Jev。
用 vLLM 部署：

vllm serve openbmb/MiniCPM-OCR-1.0 \
  --served-model-name MiniCPM-OCR \
  --trust-remote-code \
  --max-model-len 40960

Python SDK：pip install minicpm-ocr，内置版面分析（PP-DocLayoutV3）+ VLM 调度，可插拔不同推理后端。
本地运行：用 llama.cpp 或 Ollama 加载 GGUF 版本，在笔记本或工作站上离线解析文档。
在任意 OCR 引擎之后接入 Jev，获得逐区域置信分，把低分区域交给人工复核。