Xiaomi выпустила OCR-0 — открытую модель на 0,8 млрд параметров, которая распознаёт текст, вытаскивает нужные поля из документов и отвечает на вопросы по их содержанию. Код и веса опубликованы по лицензии Apache 2.0.
Модель обрабатывает текст, таблицы и математические формулы, сохраняет порядок чтения страниц и выдаёт результат в Markdown, а формулы — в LaTeX. Данные можно извлекать по JSON-схемам.
В основе лежит Qwen3.5–0.8B-Base, дообученная на корпусе из 170 млн примеров: целых страницах, фрагментах документов и заданиях на понимание текста. После предварительного обучения разработчики применили обучение с подкреплением на сложных примерах.
В тестах OCR-0 набрала 95,24 и 96,83 балла в бенчмарках Real5-OmniDocBench и OmniDocBench v1.6, средняя оценка по пяти тестам — 83,2 балла против 80,9 у более крупной Qwen3.5–2B. В репозитории есть инструменты для локального запуска, MCP-сервер и скилл для подключения к ИИ-агентам, а на Hugging Face доступно демо без установки.