OpenBMB lança MiniCPM-OCR, um parser de documentos de 1B, com um modelo de 2B que avalia resultados de OCR

A OpenBMB apresentou o MiniCPM-OCR no X em 28 de outubro, rodando localmente em um iPhone e um iPad. Lançado com pesos abertos, ele pode ser executado com llama.cpp, vLLM, SGLang ou Ollama; o código de fine-tuning é open source, e a OpenBMB também oferece uma demonstração e uma API.

Dois modelos são descritos:

• MiniCPM-OCR 1.0, um parser de documentos na escala de 1B. A OpenBMB afirma que ele oferece desempenho e velocidade de OCR de ponta nessa escala, com pontuações de 93.68 no Real5-OmniDocBench e 54.7 no OCRBench v2. Ele é demonstrado em anotações manuscritas, fórmulas complexas, jornais e digitalizações de baixa qualidade.
• MiniCPM-OCR Jev, um modelo de decisão de 2B que verifica o resultado do OCR. Ele compara o texto, as fórmulas e as tabelas extraídos com a imagem original e atribui a cada item uma pontuação de correção de 0 a 1, permitindo que os usuários escolham resultados melhores e identifiquem o que precisa de revisão humana. A OpenBMB diz que o modelo se aproxima do Qwen3.5-397B-A17B no JevOCRBench e funciona com resultados de diferentes parsers de OCR.

Os números dos benchmarks são afirmações da própria OpenBMB, não resultados medidos de forma independente.