OpenBMB wydaje MiniCPM-OCR, parser dokumentów 1B, oraz model 2B oceniający wyniki OCR

28 października OpenBMB pokazało MiniCPM-OCR na X, działający lokalnie na iPhonie i iPadzie. Model udostępniono z otwartymi wagami; można go uruchamiać za pomocą llama.cpp, vLLM, SGLang lub Ollama. Kod do dostrajania jest open source, a OpenBMB udostępnia również demo i API.

Opisano dwa modele:

• MiniCPM-OCR 1.0 — parser dokumentów o skali 1B. OpenBMB twierdzi, że model osiąga najnowocześniejsze wyniki OCR i szybkość w tej klasie, uzyskując 93.68 w Real5-OmniDocBench i 54.7 w OCRBench v2. Pokazano jego działanie na odręcznych notatkach, skomplikowanych wzorach, gazetach i skanach niskiej jakości.
• MiniCPM-OCR Jev — model decyzyjny 2B, który sprawdza wyniki OCR. Porównuje sparsowany tekst, wzory i tabele z oryginalnym obrazem, a następnie przypisuje każdemu wynik poprawności od 0 do 1. Dzięki temu użytkownicy mogą wybrać lepsze wyniki i sprawdzić, co wymaga weryfikacji przez człowieka. OpenBMB twierdzi, że model zbliża się do Qwen3.5-397B-A17B w JevOCRBench i działa z wynikami różnych parserów OCR.

Podane wyniki benchmarków to deklaracje OpenBMB, a nie rezultaty niezależnych pomiarów.