开源动态6
小米开源0.8B文档理解模型Xiaomi-OCR-0
小华同学ai
AI 摘要
小米开源面向文字识别与文档理解的视觉语言模型 Xiaomi-OCR-0,基于 Qwen3.5-0.8B 开发,支持将文档解析为结构化 Markdown、公式转换为 LaTeX、提取字段并输出 JSON。
输出格式:表格经后处理转为 HTML,公式输出为 LaTeX 格式
运行模式:提供整页识别与先切分区域再识别两种处理路径
部署支持:支持 SGLang 与 vLLM 本地推理,并提供 MCP 服务
阅读原文 · 小华同学ai
我去,没想到效果还真可以,Xiaomi-OCR-0!!!!!
小米开源面向文字识别与文档理解的视觉语言模型 Xiaomi-OCR-0,基于 Qwen3.5-0.8B 开发,支持将文档解析为结构化 Markdown、公式转换为 LaTeX、提取字段并输出 JSON。

关注公众号
扫码关注
第一时间收到每日精选
相关文章
开源动态6
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。
量子位
开源动态7
小米开源0.8B端侧文档模型
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。
智东西
开源动态6
腾讯开源视觉模型 WeVisOne-VL
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。
江大白
新闻资讯8
罗福莉剧透小米MiMo v3新架构
小米罗福莉提前剧透MiMo v3核心新架构HySparse2,该架构针对Agent多轮任务中长上下文输入处理成本高的痛点优化,相关论文已公开,模型尚未正式发布,文中披露了架构设计与实验效果数据。
量子位