MiniCPM-OCR Jev

MiniCPM-OCR Jev 是 OpenBMB 于 2026 年 10 月 27 日发布的 2B OCR 正确性判别模型。它接收文档区域图像与候选识别内容，输出 0 到 1 的评分，用于筛选候选结果和定位需要复核的区域。截至 10 月 28 日，本次检索未找到附原始数据的独立复测。

二分类输出决定了它的用途

官方说明该模型从 Qwen3.5-2B 训练而来，保留视觉编码器和语言骨干，将语言输出头 lm_head 替换成二分类头。输入包括原始区域图、候选 OCR 文本及由候选文本渲染出的图像，覆盖文字、公式和表格。模型形态登记为分类模型，输出以文本形式表示数值评分，不承担文档内容转写。

官方 AUROC 衡量区分能力，不是正确率

官方 JevOCRBench 对比表中，该模型总体 AUROC（乘以 100）为 93.6，文字、公式、表格分别为 94.6、93.1、91.1；同表 JEV-35B-A3B 总体为 90.1，Qwen3.5-397B-A17B 为 93.8。这些是发布方提供的数据，93.6 不表示有 93.6% 的结果正确。

跨解析器实验支持通用性，样本范围仍有限

官方从 JevOCRBench 随机抽取同一组 200 个样本，让四种解析器独立生成结果并人工标注，再由 Jev 评分。对 MiniCPM-OCR 1.0、GLM-OCR、PaddleOCR-VL-1.6、Xiaomi-OCR-0 结果的 AUROC（乘以 100）分别为 92.7、91.9、93.4、93.1。它支持跨解析器筛选，但这组发布方实验没有提供通用于所有文档的默认阈值，也未证明分数已经校准为正确概率。

适用边界是复核与候选选择

代码和权重均采用 Apache 2.0，提供 BF16、GGUF、AWQ 与 GPTQ 格式。需要实际识别内容时可使用 MiniCPM-OCR 1.0 或 GLM-OCR；已有识别结果、需要挑选候选或减少人工复核范围时再使用 Jev。自动放行阈值应根据带人工标签的目标样本确定，不能把官方 AUROC 直接当作放行准确率。

官方资料

官方模型卡与权重 · 官方发布仓库