Xiaomi Rilis Open-Source Xiaomi-OCR-0, Model Dokumen 0.8B Berlisensi Apache 2.0
Model vision-language berparameter 0,8 miliar ini menggabungkan parsing dokumen, ekstraksi informasi kunci dan tanya-jawab visual berbasis OCR dalam satu model, dengan bobot dan kode dirilis di bawah lisensi yang sepenuhnya permisif.
Xiaomi Research merilis Xiaomi-OCR-0, model vision-language ringan berparameter 0,8 miliar yang dilatih dengan sekitar 170 juta sampel berorientasi OCR dan dirilis di bawah lisensi Apache 2.0, mencakup bobot maupun kode. Satu model ini menutup tiga tugas sekaligus: parsing dokumen, dengan skor OmniDocBench v1.6 overall 96,83; ekstraksi informasi kunci; dan tanya-jawab visual berbasis OCR, dengan rata-rata 83,2 pada lima benchmark dan mengungguli Qwen3.5-2B yang lebih besar. Output berupa Markdown atau JSON, dan model ini tahan terhadap scan miring, foto serta teks melengkung tanpa pre-koreksi.
Kebutuhan deployment-nya tergolong ringan: build GGUF dan Ollama membuatnya jalan di GPU menengah atau CPU, dan tim menyediakan MCP service, demo browser serta recipe batch dua tahap berbasis PP-DocLayoutV3. Angka benchmark masih self-reported, dan liputan pihak ketiga mencatat sebagian skor Real5 bergantung pada scoring code milik tim sendiri, sehingga validasi independen belum ada. Meski begitu, lisensi permisif plus KIE bawaan menjadikannya kandidat yang sangat ramah enterprise di tengah gelombang parser dokumen sub-1B saat ini.