小米开源0.8B文档神器：以小博大，解析性能

小米正式开源轻量级文档理解模型Xiaomi-OCR-0，参数规模仅0.8B，却把文档解析、关键信息提取和OCR视觉问答融为一体。它以Qwen3.5-0.8B为底座，在约1.7亿条OCR中心样本上训练，通过Q-Mask文本锚定、持续预训练和混合任务强化学习打造而成。
模型能把整页文档输出成结构化Markdown，公式自动转成LaTeX，表格转成HTML，也能按需求把指定字段抽成JSON。面对扫描件、弯曲纸张、屏幕翻拍、光照不均或倾斜拍摄，它都保持稳定表现。
在Real5-OmniDocBench上以95.24分排名第一，OmniDocBench v1.6得96.83位列第二，Wild-OmniDocBench 87.94同样靠前。五项OCR视觉问答基准平均分83.2，直接超过2B规模的Qwen3.5-2B。公式识别和表格识别成绩突出，对中文草书、历史手写和图表理解同样拿手。

官方同步开放模型权重、推理代码、交互式演示、MCP服务和Agent Skill，采用Apache 2.0许可。Hugging Face和GitHub均可下载，本地可用SGLang、vLLM或Ollama部署，也有在线演示直接体验。

这一发布证明，专业文档任务不必依赖超大模型。小参数量配合高质量数据引擎，就能在解析精度和理解能力上实现以小博大，为端侧部署和高效AI应用打开新空间。