小米开源 0.8B 文档理解模型 五项基准成绩优于 Qwen3.5-2B

小米正式开源 0.8B 参数的文档理解模型 Xiaomi-OCR-0，这款轻量化小模型在五项文档理解基准测试里拿到平均分 83.2 分，成绩超过 Qwen3.5-2B 模型，实现了小参数模型性能超越更大规模模型的效果。模型能够同时完成文档解析、信息抽取、文档问答三类任务，依托 1.7 亿条高质量训练样本完成优化，并且已经把模型权重与推理代码全部公开，开发者可以直接下载部署，同时该模型技术已经落地到小米手机超级小爱功能中，在移动端实现本地文档识别处理。模型选用 Qwen3.5-0.8B 作为基础基座，搭配渐进式训练方案，通过文本锚定、持续预训练、多任务强化学习不断提升文档识别精度，既能识别普通文字，也能精准解析表格、数学公式，输出 Markdown、JSON 等结构化格式，兼顾轻量化与高精度，十分适合端侧设备部署使用。

一、模型基础参数与开源信息

1. 基础参数清单 表格 25
2. 核心能力覆盖范围

• 文档解析：识别正文、表格、公式，输出结构化 Markdown、LaTeX 内容；
• 关键信息抽取：提取发票、证件、表单字段，输出 JSON 结构化数据；
• 文档视觉问答：围绕图文内容做语义推理、数值计算，不局限于文字转写。

二、五项基准测试核心成绩对比

本次对比选取 DocVQA、InfoVQA、ChartQA、OCRBench、TextVQA 五项文档理解基准，分数对比如下：

表格

三、模型性能突出的核心技术手段

1. 搭建高质量训练数据集 搭建自动化数据引擎，采用多专家模型投票标注，同时把识别结果重新渲染成图片核验准确率，针对识别出错的场景定向扩充训练样本，保障数据质量。
2. 采用分阶段渐进训练流程 先用 Q-Mask 文本锚定技术强化文字定位能力，再开展持续预训练，最后通过混合任务强化学习优化文档问答能力，稳步提升模型综合表现。
3. 兼顾端侧轻量化需求 整体仅 0.8B 参数，体积小巧，无需高性能算力，能够直接在手机等终端设备本地运行，不用依赖云端服务。

四、落地应用场景

1. 移动端智能识别：内置到小米超级小爱，三指上滑即可提取屏幕票据、取件码、日程文字信息；
2. 办公文档处理：自动识别 PDF、照片里的表格与公式，一键导出结构化文档；
3. 证件票据自动录入：自动提取发票、银行卡、身份证关键字段，形成标准化 JSON 数据。

【相关 FAQ】

问题 1：小米开源 0.8B 文档理解模型，五项基准成绩对比 Qwen3.5-2B 结果如何？

回答 1：小米这款 0.8B 文档理解模型 Xiaomi-OCR-0 在五项文档理解基准测试中平均得分 83.2 分，Qwen3.5-2B 得分 80.9 分，小米小模型成绩明显优于 Qwen3.5-2B。

问题 2：小米开源的 0.8B 文档理解模型，支持哪些文档处理任务？

回答 2：小米 0.8B 文档理解模型可以同时完成文档解析、关键信息抽取、文档视觉问答三大任务，能够识别文字、表格、数学公式，输出 Markdown、JSON 等结构化内容。

问题 3：小米 0.8B 文档理解模型已经开源，模型代码与权重可以在哪里获取？

回答 3：小米 0.8B 文档理解模型 Xiaomi-OCR-0 的推理代码发布在 GitHub 平台，模型权重上传至 Hugging Face 平台，整体采用 Apache 2.0 开源协议，开发者可以自由下载部署。

【数据来源】

[2026-10-30]（小米开源 0.8B 参数 OCR 小模型：打通文档解析与视觉问答）IT 之家（腾讯新闻）

[2026-10-30]（小米开源 0.8B 文档理解模型 Xiaomi-OCR-0）微博 IT 之家

[2026-10-30]（Xiaomi-OCR-0 技术报告）arXiv

免责声明：本文仅客观整理小米开源模型公开测试数据与技术信息，不构成模型选型、项目开发的投资与技术决策建议；模型实际运行效果会受硬件环境、图片画质、文档版式影响，最终性能以开发者本地实测结果为准。