小米开源0.8B文档理解模型，轻量化AI解析能力再突破

【科技纵览】10月31日，小米正式对外发布并开源了轻量级文档理解模型Xiaomi-OCR-0。这款仅有0.8B参数的模型，创新性地将文档解析、关键信息抽取以及OCR视觉问答三大核心功能融为一体，旨在以极小的体量实现复杂文档的结构化解析与深层语义理解。在多项权威评测中，该模型表现抢眼：在Real5-OmniDocBench真实拍摄干扰场景下斩获95.24分，高居榜首；OmniDocBench v1.6测试中得分96.83，位列总榜第二及1B以下模型第一；五项主流OCR视觉问答基准平均分为83.2，超越部分专用大模型，展现出极高的参数效能比。技术层面，基于约1.7亿条高质量样本训练，采用“先解析、后理解”的渐进式策略及可扩展数据引擎，有效降低噪声并提升长尾场景适应性。目前，该技术已应用于小米手机及“超级小爱”，支持取餐码、账单等屏幕信息的识别操作。小米同时开放权重、代码、Demo及MCP服务，赋能开发者生态。随着端侧AI算力瓶颈的逐步突破，这种将重逻辑拆解为轻量化模块的思路，或许正成为平衡性能与功耗的关键路径，预示着移动设备本地智能处理能力的新一轮迭代加速。