MiniCPM-OCR 1.0

MiniCPM-OCR 1.0 是 OpenBMB 于 2026 年 10 月 27 日发布的 1.3B 文档识别模型，面向中英文文字、表格、公式、图表、印章和关键信息抽取。它负责识别，配套的 MiniCPM-OCR Jev 负责检查候选结果；截至 10 月 28 日，本次检索未找到附原始数据的独立复测。

完整文档解析需要识别模型与版面分析配合

官方模型卡说明，该模型基于 MiniCPM-V 4.6 进行 OCR 专项训练，由 SigLIP 视觉编码器和 Qwen3.5 语言骨干组成。整页 PDF 解析流程还使用 PP-DocLayoutV3 版面模型与 minicpmvocr SDK，因此整页流水线成绩不能直接当作单个识别模型的成绩。文字可输出为文本，公式使用 LaTeX，表格经 SDK 后处理可转为 HTML，整页结果可组织为 Markdown 或 JSON。

官方成绩覆盖复杂拍摄文档，但版本必须对齐

官方完整对比表报告 OmniDocBench v1.6 为 96.51、Real5-OmniDocBench 为 93.68、Wild-OmniDocBench 为 92.39、olmOCR-Bench 为 82.7、CHAOS-Bench 为 29.78、OCRBench v2 为 54.7。它并非每项最高：同表 TeleOCR 的 OmniDocBench v1.6 为 96.91，chandra-ocr-2 的 olmOCR-Bench 为 85.8。以上均为 OpenBMB 发布材料中的成绩，评测版本不同的成绩不能直接混合比较。

开放权重方便本地部署，速度取决于完整配置

代码与权重采用 Apache 2.0，官方提供 BF16、GGUF、AWQ、GPTQ 及 DSpark 辅助草稿模型。官方支持 vLLM、SGLang、llama.cpp、Ollama 等部署路径。吞吐量属于特定硬件、并发和加速配置下的测量，不能据此推断任意设备速度。官方提供免费 API 入口，但未据此建立长期零价计费记录。优先中英文文档解析时可考察此模型；需要判断识别结果是否可靠时，应另行考察 MiniCPM-OCR Jev。

官方资料

官方模型卡与权重 · 官方发布仓库