Xiaomi apresenta modelo ocr de código aberto para análise de documentos e resposta a perguntas visuais

A Xiaomi lançou um modelo OCR de código aberto, Xiaomi-OCR-0, com 0,8 bilhões de parâmetros, projetado para análise de documentos, extração de informações-chave e resposta a perguntas visuais. O modelo suporta saída em Markdown e JSON, permitindo a extração de dados estruturados de faturas, recibos e formulários. Também permite a recuperação transfronteiriça, cálculos numéricos e raciocínio semântico sobre o conteúdo do documento. O modelo é baseado em Qwen3.5-0.8B-Base e treinado com 1,7 bilhões de amostras OCR. A Xiaomi afirma que ele supera outros modelos em vários benchmarks, incluindo Real5-OmniDocBench e OmniDocBench v1.6. O modelo está integrado no 'Super Xiao Ai' da Xiaomi para extração de informações em tempo real de telas. Os desenvolvedores podem acessar o modelo no Hugging Face e no GitHub, com ferramentas adicionais para integração em sistemas existentes.