面壁智能旗下 OpenBMB 10 月 27 日开源 MiniCPM-OCR 套件，含两款模型：1.3B 参数的文档解析模型 MiniCPM-OCR 1.0（Real5-OmniDocBench 93.68、OCRBench v2 54.7，官方口径），以及 2B 参数的 OCR 质量判定模型 MiniCPM-OCR Jev，可给任意 OCR 解析结果按区域打 0–1 分、标出需人工复核的内容。代码和权重均为 Apache 2.0，首发即支持 vLLM、SGLang、llama.cpp、Ollama 及多家芯片平台。
核心要点速览
- ✓解析模型 MiniCPM-OCR 1.0 仅 1.3B 参数：Real5-OmniDocBench 93.68、OCRBench v2 54.7（官方口径，均称 SOTA）
- ✓判定模型 MiniCPM-OCR Jev 2B 参数：JevOCRBench AUROC 93.6，高于 JEV-35B-A3B 的 90.1，接近 Qwen3.5-397B-A17B 的 93.8（官方口径）
- ✓Jev 与解析器无关：对 MiniCPM-OCR、GLM-OCR、PaddleOCR-VL-1.6、Xiaomi-OCR-0 的结果 AUROC 都在 91.9–93.4
- ✓吞吐约为 PaddleOCR-VL-1.6 的 1.49 倍、MinerU2.5 Pro 的 3.62 倍；配合 SDK 并发最高约 128 页/分钟（官方口径）
- ✓GitHub 代码与权重全部 Apache 2.0，提供 GGUF/AWQ/GPTQ 量化版与 SKILL.md
开发者 3 秒速决决策指标
把技术选型换算成你的开发预算
40 款主流编程套餐横向比价，支持输入/输出 Token 真实账单模拟
相关资源与官方项目出处
免代理直达深度技术解析与实战评估
核心背景与行业痛点
文档解析（把 PDF、扫描件、拍照文档转成 Markdown 或 JSON）是 RAG 和企业 Agent 的入口环节。现在的 OCR 模型准确率已经很高，但真正的难点是「不知道哪里错了」：合同、票据、财报里一个数字识别错，后果可能很严重，团队往往只能全量人工复核。面壁智能旗下的 OpenBMB 10 月 27 日开源的 MiniCPM-OCR 套件，思路是一个模型负责「读」，另一个模型负责「查」。
架构亮点与底层机制
套件包含两款模型。MiniCPM-OCR 1.0（1.3B）是 MiniCPM-V/o 家族第一款 OCR 专用模型，支持中英文文档和 PDF，覆盖文本、表格、公式、图表、印章和关键信息抽取，能处理扫描、弯曲、倾斜和翻拍文档；配套 DSpark 解码加速头，官方称端到端效率提升 55%。MiniCPM-OCR Jev（2B）是 OCR 质量判定模型：输入图片和任意解析器的结果，按区域输出 0–1 的质量分，开发者可以设阈值，把低分区域送去人工复核。代码、文档和权重全部采用 Apache 2.0 许可。
权威 Benchmark 与实测跑分对比
以下为官方口径：MiniCPM-OCR 1.0 在 Real5-OmniDocBench 上得 93.68 分，OCRBench v2 上 54.7 分，均称同类最佳；吞吐约 1.2 页/秒，约为 PaddleOCR-VL-1.6 的 1.49 倍、MinerU2.5 Pro 的 3.62 倍，借助 SDK 并发最高约 128 页/分钟。Jev 在 JevOCRBench 上 AUROC 93.6，高于 JEV-35B-A3B 的 90.1，接近 Qwen3.5-397B-A17B 的 93.8；换用 GLM-OCR、PaddleOCR-VL-1.6、Xiaomi-OCR-0 的解析结果时 AUROC 在 91.9–93.4 之间。目前暂无第三方独立复测，仓库提供了复现指南。
开发者实战落地与开箱指南
首发即支持 vLLM、SGLang、llama.cpp 和 Ollama，并提供 GGUF、AWQ、GPTQ 量化版；芯片侧 Arm、Intel（OpenVINO）、NVIDIA、后摩智能首日适配，另有 10 家芯片厂商通过 FlagOS 支持。最快的上手方式是让编程 Agent 读取仓库里的 SKILL.md 自动装环境、下模型、跑第一份文档；也可用 pip SDK 或 ModelBest 平台 API。已有 OCR 流水线的团队可以只接入 Jev 做质检，不必替换原解析器。微调支持 LLaMA-Factory 和 Swift。
即刻查看该技术对应模型与主流工具的实测差异，或一键测算团队 API 调用与 $20/月套餐盈亏平衡点。
讨论与评论
0登录后即可参与深度讨论
与广大 AI 开发者、工程师交流评测心得与前沿洞察