OpenBMB veröffentlicht MiniCPM-OCR, einen Dokumentenparser mit 1B Parametern, sowie ein 2B-Modell zur Bewertung von OCR-Ergebnissen

OpenBMB zeigte MiniCPM-OCR am 28. Oktober auf X im lokalen Betrieb auf einem iPhone und einem iPad. Das Modell wird mit offenen Gewichten veröffentlicht und kann mit llama.cpp, vLLM, SGLang oder Ollama ausgeführt werden. Der Fine-Tuning-Code ist Open Source; außerdem bietet OpenBMB eine Demo und eine API an.

Es werden zwei Modelle vorgestellt:

• MiniCPM-OCR 1.0 ist ein Dokumentenparser mit 1B Parametern. OpenBMB zufolge erreicht er bei dieser Modellgröße eine Spitzenleistung und hohe Geschwindigkeit bei der OCR, mit 93.68 auf Real5-OmniDocBench und 54.7 auf OCRBench v2. Gezeigt wird er mit handschriftlichen Notizen, komplexen Formeln, Zeitungen und Scans schlechter Qualität.
• MiniCPM-OCR Jev ist ein Entscheidungsmodell mit 2B Parametern, das OCR-Ausgaben überprüft. Es vergleicht erkannten Text, Formeln und Tabellen mit dem Originalbild und vergibt für die Korrektheit jeweils einen Wert von 0 bis 1. So können Nutzer bessere Ergebnisse auswählen und erkennen, was von Menschen überprüft werden muss. OpenBMB zufolge kommt das Modell auf JevOCRBench an Qwen3.5-397B-A17B heran und funktioniert mit den Ausgaben verschiedener OCR-Parser.

Die Benchmark-Zahlen sind eigene Angaben von OpenBMB und wurden nicht unabhängig gemessen.