MiniCPM-OCR 針對真實場景的辨識表現
OpenBMB 發布了 MiniCPM-OCR 1.0，這是一個參數規模為 1.3B 的光學字元辨識模型。該模型在 Real5-OmniDocBench 基準測試中獲得了 93.68 分，此基準專門針對現實生活中的文件進行評估。
與傳統僅關注標準文件的 OCR 模型不同，MiniCPM-OCR 特別針對彎曲頁面、手機拍攝照片、傾斜掃描檔案以及複雜版面配置等挑戰性場景進行了優化。
為了提升實用性，該模型整合了 DSpark 解碼加速技術。根據官方數據，這項技術能將端到端的處理效率提升 55%，旨在加快實際應用中的文件解析速度。
Jev 作為獨立 OCR 品質判別器的能力
除了辨識模型，OpenBMB 還推出了 MiniCPM-OCR Jev，這是一個參數規模為 2B 的 OCR 品質判別器。它的核心功能是比對原始圖像與候選文字輸出，以判斷辨識結果是否可信賴。
Jev 能夠檢測出公式、表格以及一般文字中的錯誤。在相同的評估標準下，Jev 達到了 0.936 的 AUROC（接收者操作特徵曲線下面積）分數，官方指出這接近於一個擁有 397B 參數的大型模型在同一評估中的表現。
值得注意的是，Jev 不僅僅用於評估自家的 MiniCPM-OCR 輸出，它也能夠評估來自其他 OCR 系統的結果。這意味著開發者可以在不替換現有 OCR 辨識管線的情況下，單獨引入 Jev 作為品質檢核層。
開放權重與生態系支援
MiniCPM-OCR 1.0 與 MiniCPM-OCR Jev 均為開放權重模型，開發者可以從 Hugging Face 下載使用。
这两款模型已支援 vLLM、SGLang、llama.cpp 以及 Ollama 等常見的推理框架與執行環境。
