Xiaomi presentó el 30 de octubre de 2026 Xiaomi-OCR-0, un modelo de visión-lenguaje con solo 0,8 mil millones de parámetros diseñado para entender documentos. El anuncio llegó desde la cuenta Xiaomi Tech en X, junto con los pesos, el código de inferencia, una demo en línea, un servicio MCP y un Agent Skill.
El modelo realiza tres tareas en un solo paquete: convertir la página en Markdown, con tablas y fórmulas; extraer campos específicos en JSON; y responder preguntas sobre el contenido de una imagen de texto. Parte de la base Qwen3.5-0.8B-Base y se entrenó con un corpus de unos 170 millones de ejemplos centrados en OCR.
Qué dicen las cifras divulgadas y qué falta por confirmar
Las cifras son declaraciones de la propia Xiaomi, no una verificación independiente. La empresa informa 96,83 en OmniDocBench v1.6 y 95,24 en Real5-OmniDocBench, además de un promedio de 83,2 en cinco pruebas de preguntas sobre documentos. Entre modelos de menos de 1 mil millones de parámetros, Xiaomi afirma liderar el análisis de documentos en OmniDocBench v1.6.
Hay un matiz importante: en la clasificación pública de Real5-OmniDocBench en Hugging Face, el modelo aparece con 92,73, detrás de PaddleOCR-VL-1.6, con 93,19. La diferencia se atribuyó a la versión del código de evaluación: Xiaomi usó el código v1.6, mientras la clasificación pública estaba alineada con v1.5. Por eso, el rendimiento real en un archivo concreto debe probarse antes de un uso crítico.
Licencia abierta y uso local
Los pesos y el código se distribuyen bajo la licencia Apache 2.0, que permite el uso comercial dentro de sus condiciones. Para ejecutarlo en local se necesitan entornos como SGLang, vLLM u Ollama, y con Transformers el modelo también puede arrancar en CPU. Xiaomi afirma que el modelo ya se usa en el asistente Super XiaoAi en teléfonos.
Los documentos confidenciales no deben enviarse a la demo alojada en Hugging Face Spaces: en ese caso, la imagen sale del equipo del usuario. En ejecución local, el procesamiento puede quedarse en el propio ordenador.
Fuentes
- Repositorio de Xiaomi-OCR-0 en GitHub
- Demo de Xiaomi-OCR-0 en Hugging Face Spaces
- Informe técnico de Xiaomi-OCR-0 (arXiv)
Crédito de la imagen: ilustración del artículo sobre Xiaomi-OCR-0 publicado por Pasquale Pillitteri.
Transparencia: este artículo se produjo con ayuda de inteligencia artificial, contrastado con publicaciones públicas en X y fuentes de internet. Consulte las fuentes originales para confirmar los detalles.
Muse
