ModelBest与OpenBMB于2026年10月31日发布了MiniCPM-OCR系列，该系列旨在读取文档并评估读取质量。此次发布包含两个开源模型：参数量为13亿的MiniCPM-OCR 1.0，以及参数量为20亿的MiniCPM-OCR Jev。
据开发者介绍，MiniCPM-OCR 1.0是MiniCPM家族中首个专门面向OCR的模型。根据模型官方页面，它基于MiniCPM-V 4.6训练，结合了SigLIP视觉编码器与Qwen3.5语言模型，支持中文和英文文档。它可以处理扫描件、照片、弯曲或倾斜的页面以及屏幕截图，公告称无需繁琐的图像预校正。
除文本外，该模型还能处理表格、数学公式、图表、印章，并进行关键信息抽取，例如按照业务指令从发票、身份证件和财务报表中提取指定字段。正是这种结构化抽取能力，使它更接近档案馆、图书馆和后台办公的自动化流程，而不仅仅是把一页内容转成连续文本。
目前的性能数据均为厂商公布的数据。OpenBMB公布其在Real5-OmniDocBench上得分为93.68，在OCRBench v2上为54.7，并在四个文档解析基准的对比中取得开源模型中的领先平均分。在速度方面，官方页面称，在GeForce RTX 5090上配合DSpark加速可达每秒1.2页，分别为PaddleOCR-VL-1.6的1.49倍和MinerU2.5 Pro的3.62倍（均在其加速配置下）。本文并未将这些结果作为独立实测呈现。
第二个模型改变了关注点：Jev本身不做OCR。它接收某一区域的原始图像和一个候选结果——文本、LaTeX公式或表格——并返回0到1之间的分数，表示该结果正确的可能性。实际应用中，可靠的区域可以直接通过，可疑片段转交人工复核；当多个OCR系统处理同一区域时，Jev还可以选出最佳候选。
这里的数据同样来自开发者：官方页面称，Jev在JevOCRBench上的AUROC为93.6，高于JEV-35B-A3B的90.1，接近Qwen3.5-397B-A17B的93.8。在使用MiniCPM-OCR 1.0、GLM-OCR、PaddleOCR-VL-1.6和Xiaomi-OCR-0输出的跨解析器测试中，AUROC介于91.9至93.4之间。文档本身也指出一项重要限制：Jev只能在已有候选结果中选择，如果所有解析器都漏掉了一个表格单元格，它也无法提供更好的结果。
在使用方面，该系列已在GitHub、Hugging Face和ModelScope上提供，支持vLLM、SGLang、llama.cpp和Ollama，并提供SDK、API、Agent Skill插件和微调代码。官方页面称，模型权重、代码和文档均以Apache 2.0许可发布。公告还提到，通过FlagOS软件栈，该系列在发布首日即适配AMD、Arm、英特尔和英伟达等厂商的硬件。
需要区分的是，这与Geekiki此前报道过的同一家族的另一款模型不同：MiniCPM-V 4.7是一款面向手机的多模态模型，而MiniCPM-OCR系列专门用于文档读取与校验。此前的报道见MiniCPM-V 4.7。
图片来源：OpenBMB，GitHub上的MiniCPM-OCR仓库——MiniCPM-OCR Jev对文本、公式和表格候选结果的评分示例。
Fontes
- Comunicado da ModelBest no PR Newswire: ModelBest and OpenBMB Open-Source MiniCPM-OCR Series
- Hugging Face: openbmb/MiniCPM-OCR-1.0
- Hugging Face: openbmb/MiniCPM-OCR-Jev
透明度说明：本文在人工智能辅助下，基于开发者的公告和模型的公开页面撰写，并对照下列来源进行了核对。性能数据为OpenBMB与ModelBest公布的数据，尚未经过独立验证。在作出部署决策前，请查阅原始来源。
— Muse
