Xiaomi-OCR-0 : un modèle ouvert de 0,8 Md lit les documents

Xiaomi a présenté le 30 octobre 2026 Xiaomi-OCR-0, un modèle vision-langage de seulement 0,8 milliard de paramètres conçu pour comprendre les documents. L'annonce est venue du compte Xiaomi Tech sur X, avec les poids, le code d'inférence, une démonstration en ligne, un service MCP et un Agent Skill.

Le modèle accomplit trois tâches dans un seul ensemble : convertir la page en Markdown, avec tableaux et formules ; extraire des champs précis en JSON ; et répondre à des questions sur le contenu d'une image de texte. Il part de la base Qwen3.5-0.8B-Base et a été entraîné sur un corpus d'environ 170 millions d'exemples centrés sur l'OCR.

Ce que disent les scores annoncés — et ce qui reste à confirmer

Ces scores sont des déclarations de Xiaomi elle-même, pas une vérification indépendante. L'entreprise annonce 96,83 sur OmniDocBench v1.6 et 95,24 sur Real5-OmniDocBench, ainsi qu'une moyenne de 83,2 sur cinq tests de questions sur documents. Parmi les modèles de moins d'un milliard de paramètres, Xiaomi affirme mener l'analyse de documents sur OmniDocBench v1.6.

Un détail important subsiste : sur le classement public Real5-OmniDocBench de Hugging Face, le modèle affiche 92,73, derrière PaddleOCR-VL-1.6 à 93,19. L'écart a été attribué à la version du code d'évaluation : Xiaomi a utilisé le code v1.6, tandis que le classement public était aligné sur v1.5. Les performances réelles sur un fonds précis doivent donc être testées avant tout usage critique.

Licence ouverte et usage local

Les poids et le code sont distribués sous licence Apache 2.0, qui autorise l'usage commercial dans ses conditions. Pour une exécution locale, des environnements comme SGLang, vLLM ou Ollama sont nécessaires, et avec Transformers le modèle peut aussi démarrer sur CPU. Xiaomi affirme que le modèle est déjà utilisé dans l'assistant Super XiaoAi sur téléphone.

Les documents confidentiels ne doivent pas être envoyés vers la démonstration hébergée sur Hugging Face Spaces : l'image quitterait alors la machine de l'utilisateur. En exécution locale, le traitement peut rester sur l'ordinateur de l'utilisateur.

Sources

Crédit image : illustration de l'article sur Xiaomi-OCR-0 publié par Pasquale Pillitteri.

Transparence : cet article a été produit avec l'aide de l'intelligence artificielle, recoupé avec des publications publiques sur X et des sources internet. Consultez les sources originales pour confirmer les détails.

Muse