小米开源0.8B的Xiaomi-OCR-0，十亿参数以下文档解析排第一

小米放出了一个只有0.8B参数的文档理解模型，名字叫Xiaomi-OCR-0。

它能干三件事：文档解析、关键信息提取、针对图里文字的视觉问答。说直白点，就是把一张扫描件、一页PDF截图，变成结构化的文字和字段，顺便还能回答”这张发票的金额是多少”这类问题。

小米给的成绩是OmniDocBench v1.6上的文档解析，在10亿参数以下的模型里排第一。这个榜专门测版面、表格、公式这些真实文档里的麻烦东西，比单纯认字难得多。

权重、推理代码和演示一起开源了。

0.8B这个体量是关键。大模型做OCR当然也行，但一页一页喂给百亿级模型，成本和延迟都扛不住，企业里真正批量处理合同、票据、档案的场景，要的就是这种小而专的东西。它能跑在普通显卡上，甚至有机会塞进手机和端侧设备，这跟小米自己的硬件生态是对得上的。

当然，榜单第一只是在”10亿以下”这个圈子里。遇到手写体、低质量扫描、竖排古籍这类场景表现如何，还得等有人拿自己的脏数据去试。

对需要本地部署、又不想把敏感文档传上云的团队来说，多了一个可以直接拉下来测的选项。