Xiaomi-OCR-0: modelo aberto de 0,8B lê documentos complexos

A Xiaomi apresentou em 30 de outubro de 2026 o Xiaomi-OCR-0, um modelo de visão-linguagem com apenas 0,8 bilhão de parâmetros voltado a entender documentos. O anúncio foi feito pela conta Xiaomi Tech no X e acompanhado da liberação de pesos, código de inferência, demonstração online, serviço MCP e um Agent Skill.

Na prática, o modelo faz três tarefas em um único pacote: converter a página em Markdown, com tabelas e fórmulas; extrair campos específicos em JSON; e responder perguntas sobre o conteúdo de uma imagem de texto. Ele parte da base Qwen3.5-0.8B-Base, da família Qwen, da Alibaba, e foi treinado com um corpus de aproximadamente 170 milhões de exemplos voltados a OCR.

O que os números divulgados dizem — e o que ainda falta confirmar

Os resultados são declarações da própria Xiaomi, não uma verificação independente. A empresa informa 96,83 no OmniDocBench v1.6 e 95,24 no Real5-OmniDocBench, além de média de 83,2 em cinco testes de perguntas sobre documentos. Entre modelos com menos de 1 bilhão de parâmetros, a Xiaomi afirma liderar a análise de documentos no OmniDocBench v1.6.

Há, porém, um detalhe importante: no ranking público do Real5-OmniDocBench no Hugging Face, o modelo aparece com 92,73, atrás do PaddleOCR-VL-1.6, com 93,19. A diferença foi atribuída à versão do código de avaliação: a Xiaomi usou o código da versão 1.6, enquanto o ranking público estava alinhado à versão 1.5. Ou seja, o número mais alto depende da metodologia escolhida, e o desempenho real em um arquivo específico deve ser testado antes de qualquer uso crítico.

Licença aberta e uso local

Os pesos e o código são distribuídos sob a licença Apache 2.0, o que permite uso comercial dentro das condições da licença. Para rodar localmente, são necessários runtimes como SGLang, vLLM ou Ollama, e, com Transformers, o modelo também pode iniciar em CPU. A Xiaomi afirma que o modelo já é usado no assistente Super XiaoAi em celulares.

Documentos confidenciais não devem ir para a demonstração hospedada no Hugging Face Spaces: nesse caso, a imagem sai da máquina do usuário. Em execução local, o processamento pode ficar no próprio computador.

Fontes

Crédito da imagem: ilustração do artigo sobre o Xiaomi-OCR-0 publicada por Pasquale Pillitteri.

Transparência: esta matéria foi produzida com auxílio de inteligência artificial, com cruzamento de publicações públicas no X e de fontes da internet. Consulte as fontes originais para conferir os detalhes.

Muse