文档解析还在「卷」大模型？MiniCPM-OCR：

最近文档解析圈都在卷大模型，参数越堆越大。但真把扫描件丢进去，问题全来了：排版一复杂就乱，批量处理慢得要命，部署成本还贼高。

其实 OCR 真正难的不是认字。多栏、表格、公式、印章混在一页里，发票金额错一位下游就得重来。几万页档案每页多花一秒，总量就是几万秒。大家要的是准、快、便宜，不是一个啥都能聊的巨无霸。

所以 MiniCPM-OCR 没继续往大里挤，而是搞了个系列模型。手机端给轻的，服务器给重的，企业按场景点菜。它只做版式理解、文字识别和表格还原，不贪心去搞通用对话。结构做轻了，响应自然快；数据吃透了，准确率才稳。

像发票报销、合同审阅这种量大又不能出错的场景，要的不是惊艳 Demo，而是一个能稳定跑三年、随时私有化部署的基础设施。

难题交给大模型，海量常规任务交给小模型——这才是务实的解法。