ARTICLE · 1284741
小米开源0.8B文档模型,发票表格一次理清
我是leo，互联网混了十年，装过200多个AI工具，留下来天天用的不到20个。今天主推写一个刚开源的小东西，小米昨天放出来的，专门管"看懂文档"这件事。
先说这是个啥
小米官宣开源了一个轻量级文档理解模型，叫Xiaomi-OCR-0，参数量只有0.8B，模型权重和推理代码同步挂上了Hugging Face和GitHub。基座是Qwen3.5-0.8B-Base，训练累计用了约1.7亿条数据。
它的定位很清楚：不做大而全，就干一件事——把图片里的文档看懂。而且一个模型同时覆盖三类任务：文档解析、关键信息抽取、OCR视觉问答。
它好在哪？我列三个
第一，小，小到普通人也有机会在本地跑。0.8B的参数量，对比动辄几十上百B的大模型，一般设备想办法带得动，不用看云服务脸色，也省一笔按张计的调用费。对个人和小团队来说，这就是"够用、还便宜"的组合。
第二，输出直接能用。文档解析按阅读顺序输出结构化结果，原生给Markdown和LaTeX格式，正文、表格、数学公式都能识别。抽发票、收据、卡证、业务表单的时候，能按你指定的字段吐JSON，直接接进自动化流程，不用再手工清洗一遍。
第三，不只是转文字。它的OCR视觉问答可以围绕文档和图表做跨区域检索、数值计算和语义推理。你问它两张表里的数字差多少，它是真去算，不是把原文念给你听。从小小的文字感知到内容理解，一条链路它自己走完了。
leo多说两句
我表妹开网店的，每个月最烦的就是对账：供应商发来的全是拍照的送货单和发票，她一张张手敲进表格，一个月要耗掉两三个晚上。这种活儿我最早想给她上大模型，但云端按张收费，单据里还有金额和手机号，她心里不踏实，一直没落地。现在这种0.8B级别的小模型开源了，单据不出自己电脑，本地跑成本低，敏感单据的顾虑也小了。说实话，大模型抢的是头条，小模型抢的是活儿，这种单据表格的活儿，才是小模型的真正主场。
leo的用法清单，五条
1. 先去Hugging Face搜Xiaomi-OCR-0，权重和推理代码都在，GitHub上也有仓库说明，先读一遍再下。
2. 别一上来就接业务，先拿三五张你们最常见的单据试，发票、回执、表格各来一张，看字段抽得准不准。
3. 要进表格的，用关键信息抽取，明确指定字段名让它输出JSON，别让它自由发挥格式。
4. 要还原整页版式的，用文档解析模式拿Markdown输出，表格和公式不容易乱。
5. 涉及金额、证件号的单据，优先考虑本地部署，文件不出门，心里踏实。
最后说两句
大厂卷大模型的时候，肯把这种小而专的工具开源出来，对普通用户是实打实的好事。发票、单据、老照片里的表格，都是每天真要处理的活儿。
先下载，拿你手头最烦的那类单据试一张，香不香立刻知道。顺手也把结果告诉我，我盯着这条产品线后面还会不会再放大。
我是leo，关注我，每天5个AI新工具，都用得上。
相关阅读
