产品简介
MiniCPM-OCR 1.0 是面壁智能 OpenBMB 于 2026 年 10 月 27 日开源的文档识别套件，Apache 2.0 许可，代码与权重一起放出。套件里有两个模型：负责解析的 MiniCPM-OCR 1.0 参数 1.3B，负责质检的 MiniCPM-OCR Jev 参数 2B。
分工是这套方案最特别的地方。多数 OCR 只给一段结果，读错的地方要人自己找；Jev 的作用就是对解析结果的每个区域打 0 到 1 的可信分，正文、公式、表格分别评，低分区域才进人工复核队列。Jev 不绑定自家解析器，官方在 MiniCPM-OCR、GLM-OCR、PaddleOCR-VL-1.6 与小米 OCR-0 的结果上测过，AUROC 在 91.9 到 93.4 之间。
解析侧的成绩是 Real5-OmniDocBench 93.68，OCRBench v2 54.7。速度上通过 DSpark 解码加速把端到端效率提了 55%，吞吐约为 PaddleOCR-VL-1.6 的 1.49 倍、MinerU2.5 Pro 的 3.62 倍，单张 RTX 5090 上约 1.2 页每秒。第一天就支持 vLLM、SGLang、llama.cpp 与 Ollama，权重有 BF16、GGUF、AWQ、GPTQ 多种形态。
核心功能
- 解析与质检分开：1.3B 的解析模型负责读出内容，2B 的 Jev 独立给结果打分。两个模型各司其职，质检可以单独更换，也能用来评估别的解析器。
- 区域级可信分：Jev 对文本、公式、表格分别输出 0 到 1 的可信度，不通过就送人工。官方给了法律文书、财务票据与复杂文档三条免复核曲线，用准确率对跳过复核的比例。
- 真实拍摄条件：训练覆盖扫描件、手机拍摄、曲面书页、倾斜页面与翻拍屏幕。中英文支持，输出 Markdown 或 JSON，含表格、公式、图表、印章与关键信息抽取。
- DSpark 解码加速：配合 DSpark-BF16 与 DSpark-GGUF 两种解码方式，端到端处理效率提升 55%，吞吐约为 PaddleOCR-VL-1.6 的 1.49 倍、MinerU2.5 Pro 的 3.62 倍。
- 四种推理框架开箱可用：发布当天支持 vLLM、SGLang、llama.cpp 与 Ollama，权重提供 BF16、GGUF、AWQ、GPTQ 形态，另有多芯片版本，并附带 pip SDK 与完整 API。
- 可继续微调：模型在 MiniCPM-V 4.6 之上针对 OCR 训练，视觉侧为 SigLIP 编码器加 Qwen3.5 语言模型，支持在自有数据上继续训练。
适合谁用
以下类型的用户会特别受益于 MiniCPM-OCR 1.0：
- 合同、发票、财报的批量录入，用 Jev 的可信分把人工复核集中到少数区域。
- 手机拍摄与翻拍的档案数字化，曲面与倾斜页面是训练里覆盖过的场景。
- 构建知识库的文档入口，输出 Markdown 直接进检索管线。
- 在边缘或本地部署，GGUF 与 Ollama 形态可以在没有 GPU 的机器上跑。
- 评估其他 OCR 的效果，Jev 可以单独接在别家解析器后面打分。
- 关键信息抽取，从票据与表单里直接取字段而不只做全文识别。
优点亮点
- 解析与质检分成两个模型，低分区域自动进复核队列，人工只看该看的地方。
- 首日就支持 vLLM、SGLang、llama.cpp 与 Ollama，部署路径多。
- 权重有 BF16、GGUF、AWQ、GPTQ 四种形态，硬件适配面宽。
- DSpark 解码把端到端效率提升 55%，吞吐领先同类的开源方案。
- Apache 2.0 许可，代码、文档与权重一并开放。
- Jev 可与第三方解析器配合，单独使用也有价值。
价格与方案
Apache 2.0 开源，代码、文档与权重全部免费，商用没有额外门槛。自建只承担硬件成本，官方在 RTX 5090 上测得约 1.2 页每秒，具体吞吐取决于后端、并发与页面内容。国内与国际各有一个在线演示，可以直接用真实文档试效果。若走托管服务则按各平台计费方式结算。
总结与建议
MiniCPM-OCR 这套东西的价值在于承认 OCR 会出错，并且把错在哪里标出来。多数团队的实际痛点不是识别率差一两个点，而是不知道哪一页哪一格要人看，结果要么全人工复核，要么等下游报错。Jev 把这件事变成一次打分，配一个阈值就能接进流程。解析侧的速度与框架支持也够用，1.3B 的体积让本地部署变得现实。
版本演进
- MiniCPM-OCR 1.0 与质检模型 Jev 开源 （2026-10-27）：OpenBMB 以 Apache 2.0 开源 MiniCPM-OCR 1.0（1.3B 解析）与 MiniCPM-OCR Jev（2B 质检）。解析侧 Real5-OmniDocBench 93.68、OCRBench v2 54.7；DSpark 解码把端到端效率提 55%，吞吐约 1.49 倍 PaddleOCR-VL-1.6、3.62 倍 MinerU2.5 Pro。Jev 对文本、公式、表格分别打 0 到 1 可信分，跨解析器 AUROC 91.9 到 93.4。首日支持 vLLM、SGLang、llama.cpp、Ollama，权重有 BF16、GGUF、AWQ、GPTQ。