OpenBMB、1Bの文書解析モデルMiniCPM-OCRをリリース。OCR結果を評価する2Bモデルも公開

OpenBMBは10月28日、XでMiniCPM-OCRを披露。iPhoneとiPad上でローカル実行する様子を紹介した。オープンウェイトで公開され、llama.cpp、vLLM、SGLang、Ollamaで実行できる。ファインチューニング用コードもオープンソースで、OpenBMBはデモとAPIも提供している。

モデルは2種類ある。

• MiniCPM-OCR 1.0は、1B規模の文書解析モデル。OpenBMBは同規模で最先端のOCR性能と速度をうたっており、Real5-OmniDocBenchで93.68、OCRBench v2で54.7を記録したとしている。手書きのメモ、複雑な数式、新聞、画質の悪いスキャン画像での利用例も紹介している。
• MiniCPM-OCR Jevは、OCR出力をチェックする2Bの判定モデル。解析したテキスト、数式、表を元画像と照合し、正確性を0から1のスコアで評価する。これにより、ユーザーはより良い結果を選び、人による確認が必要な箇所を把握できる。OpenBMBによると、JevOCRBenchでQwen3.5-397B-A17Bに迫る性能を示し、さまざまなOCR解析モデルの出力に対応する。

ベンチマークの数値はOpenBMBによる主張であり、独立した測定結果ではない。