开源动态7

小米开源0.8B端侧文档模型

智东西2026-10-31

AI 摘要

小米开源仅 0.8B 参数的文档理解模型 Xiaomi-OCR-0，将解析、信息抽取与视觉问答融于一体，在1B以下文档解析基准中排名第一，技术已用于超级小爱识屏。

五项文档问答均分83.2，逼近Qwen3.5-4B

用于外卖取餐码上岛、账单自动记账及海报一键建日程

已公开模型权重、推理代码、Demo及Agent工具包

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

小米开源桌面AI硬件HachimoDock

小米创新团队开源了一款名为 HachimoDock 的桌面 AI 硬件，硬件自制成本约 150 元，集成了电子桌宠、电脑端 Agent 语音交互及智能家居联动等功能。

启元具身研究中心发布机器人仿真世界模型 PrimeSim，通过视频生成模型推演机械臂操作并在两大基准登顶，模型权重与代码即将开源。

拓元智慧开源机器人世界动作模型 E0.5，联合预测动作与未来三维几何，在人形与双臂真机任务中整体平均成功率最高达 88.3%，超过主流基线 π0.5。

腾讯开源视觉语言模型 WeVisOne-VL，推出 2B 和 4B 两个规模，将目标检测、计数、文字识别、分割与精细抠图统一到一个模型中，代码已公开。