Xiaomi, Xiaomi-OCR-0 adlı 0.8B parametreli açık kaynak OCR modelini yayınladıXiaomi releases Xiaomi-OCR-0, an open-source 0.8B parameter OCR model

ÖzetSummary

Xiaomi, Qwen3.5-0.8B-Base altyapısı üzerine inşa edilen ve 0,8 milyar parametreli Xiaomi-OCR-0 adlı belge anlama modelini açık kaynak yaptı. Model, belge ayrıştırma, yapılandırılmış bilgi çıkarımı ve OCR görsel kalite kontrolünü tek çatı altında topluyor; yerel Markdown, LaTeX ve JSON çıktısı sunuyor. Yaklaşık 170 milyon örnek üzerinde eğitilen modelin ağırlıkları, kodu ve MCP/Ajan araç kiti Hugging Face ile GitHub üzerinde yayımlandı.Xiaomi has open-sourced Xiaomi-OCR-0, a document understanding model built on the Qwen3.5-0.8B-Base infrastructure with 0.8 billion parameters. The model unifies document parsing, structured information extraction, and OCR visual quality control under one roof, offering local Markdown, LaTeX, and JSON outputs. Trained on approximately 170 million examples, the model’s weights, code, and MCP/Agent toolkit have been published on Hugging Face and GitHub.

Neden ÖnemliWhy it matters

Belge kıyaslamalarında 2–8 milyar parametreli rakiplerle yarışabilen 1 milyar parametrenin altındaki bir model, gecikme ve bellek kısıtlarının belirleyici olduğu cihaz üstü ve kenar (edge) devreye alma senaryolarında gerçekten işe yarıyor. Ayrıştırma, çıkarım ve kalite kontrolü tek bir açık ağırlıklı modelde birleştiren bu yaklaşım, daha önce uzmanlaşmış araçlardan oluşan bir akışa ihtiyaç duyan geliştiriciler için entegrasyon eşiğini düşürüyor. MCP ve Ajan Beceri arayüzlerinin eklenmesi, Xiaomi’nin bu modeli yalnızca bağımsız bir OCR API’si olarak değil, ajansal iş akışları için bir yapı taşı olarak konumlandırdığını gösteriyor.A sub-1-billion parameter model that can compete with 2–8 billion parameter rivals in document benchmarks is genuinely effective in on-device and edge deployment scenarios where latency and memory constraints are decisive. This approach, which combines parsing, extraction, and quality control into a single open-weight model, lowers the integration barrier for developers who previously required a pipeline of specialized tools. The addition of MCP and Agent Skill interfaces indicates that Xiaomi is positioning this model not just as a standalone OCR API, but as a building block for agentic workflows.

Öne ÇıkanlarHighlights

• 0,8 milyar parametre, yaklaşık 170 milyon eğitim örneği; tablolar ve formüller için tahmin-yeniden çiz-görsel karşılaştırma döngüsüne dayalı üç aşamalı eğitim0.8 billion parameters, approximately 170 million training examples; a three-stage training process based on a predict-redraw-visual comparison loop for tables and formulas
• Kendi bildirimine göre OmniDocBench v1.6’da 96,83 puan (2. sıra, liderin 0,04 puan gerisinde) ve Real5-OmniDocBench’te 95,24 puan (karşılaştırılan modeller arasında 1. sıra)According to their own report, a score of 96.83 on OmniDocBench v1.6 (2nd place, 0.04 points behind the leader) and 95.24 on Real5-OmniDocBench (1st place among compared models)
• Belge anlama ortalaması 83,2 ile 1–7 milyar parametreli OCR uzmanlarını geride bırakıyor; ancak Qwen3.5-4B (84,9) ve MiniCPM-V-4.5 (82,6) değerlerinin altında kalıyor. Antik yazı sistemlerinde 73 puan hâlâ mütevazı düzeyde.Document understanding average of 83.2, outperforming 1–7 billion parameter OCR specialists; however, it falls below Qwen3.5-4B (84.9) and MiniCPM-V-4.5 (82.6). A score of 73 in ancient writing systems remains modest.

EleştiriCritical take

Tüm kıyaslama verileri Xiaomi tarafından kendi bildirimine dayanıyor; bağımsız bir tekrar üretimi bulunmuyor. Başlıktaki ‘1. sıra’ iddiaları, Xiaomi’nin seçtiği dar karşılaştırma setleriyle sınırlı. OmniDocBench liderine 0,04 puanlık fark istatistiksel olarak anlamsız düzeyde. Chronicles-OCR’da alınan 73 puan ise 170 milyon örneklik eğitim iddiasına rağmen uzun kuyruklu, düşük kaynaklı yazı sistemlerinde hâlâ zayıf bir nokta olduğunu ortaya koyuyor.All benchmark data relies on Xiaomi’s self-reported claims; there is no independent reproduction. The '1st place' claims in the headline are limited to the narrow comparison sets chosen by Xiaomi. The 0.04-point difference from the OmniDocBench leader is statistically insignificant. The score of 73 on Chronicles-OCR reveals that, despite the claim of 170 million training examples, long-tail, low-resource writing systems remain a weak point.