Xiaomi presenta un modelo ocr de código abierto para el análisis de documentos y la respuesta a preguntas visuales

Xiaomi ha lanzado un modelo OCR de código abierto, Xiaomi-OCR-0, con 0.8 mil millones de parámetros, diseñado para el análisis de documentos, la extracción de información clave y la respuesta a preguntas visuales. El modelo admite la salida en Markdown y JSON, lo que permite la extracción de datos estructurados de facturas, recibos y formularios. También permite la recuperación entre regiones, cálculos numéricos y razonamiento semántico sobre el contenido de los documentos. El modelo se basa en Qwen3.5-0.8B-Base y se ha entrenado con 1.7 mil millones de muestras OCR. Xiaomi afirma que supera a otros modelos en varios puntos de referencia, incluidos Real5-OmniDocBench y OmniDocBench v1.6. El modelo está integrado en 'Super Xiao Ai' de Xiaomi para la extracción de información en tiempo real de las pantallas. Los desarrolladores pueden acceder al modelo en Hugging Face y GitHub, con herramientas adicionales para la integración en sistemas existentes.