OTRouterClaude、GPT 一个 Key 调用看价格 →

Xiaomi-OCR-0

小米研究开源的 0.8B 文档 OCR 视觉语言模型,可把文档解析为 Markdown、抽取字段为 JSON,并支持文档问答。

访问官网

编辑点评

"小米开源的轻量文档 OCR 模型,一份权重覆盖文档转 Markdown、字段抽取与文档问答,适合本地部署和二次开发。"

优势

  • • 0.8B 参数即可完成文档转 Markdown、字段抽取和文档问答。
  • • Apache-2.0 开源,权重与代码均可获取,支持完全本地部署。
  • • 提供浏览器 Demo、MCP 服务和 SGLang/vLLM/Ollama 多种本地推理方式。
  • • 官方给出 OmniDocBench v1.6、PubTabNet、UniMER-Test 等基准结果,并附带可复现评测流程。

局限

  • • 完整使用需自行准备 Python 3.10+ 环境、推理运行时和相应硬件。
  • • 浏览器 Demo 默认连接本地推理后端,需先启动模型服务。
  • • 区域解析需额外安装 PaddlePaddle、PaddleX 与 PP-DocLayoutV3 版面模型。
  • • 社区 GGUF 量化版本未经官方评测,使用前需自行验证效果。

Q&A

快速了解这个工具的常见问题与答案

Q
这个工具如何收费?
Answer

项目以 Apache-2.0 协议开源,模型权重和代码都可免费获取使用,没有订阅或按量计费套餐;实际成本主要来自本地部署所需的硬件和运维。

Q
这个工具支持哪些访问方式?
Answer

官方提供本地浏览器 Demo,运行 demo/server.py 后可访问本机网页界面;另外提供 MCP 服务,并可在 Hugging Face Space 上试用在线演示。模型通过 SGLang、vLLM 或 Ollama 在本地运行。

Q
这个工具是否支持 API?
Answer

支持。Demo 调用的是本地 SGLang 或 vLLM 提供的 OpenAI 兼容接口(默认 127.0.0.1:8000/v1),也可切到 Ollama 的本地接口;项目还提供 MCP 服务,便于接入本地 Agent 工作流。

Q
这个工具是否支持中文或多语言?
Answer

浏览器 Demo 界面可在 English 与简体中文之间切换,仓库同时提供英文和简体中文 README。

Q
使用这个工具需要技术背景吗?
Answer

完整部署需要 Python 3.10 或更高版本,选择并配置 SGLang/vLLM 或 Ollama 运行时,还要处理模型权重下载和硬件兼容性;仓库也提供了让 Agent 按 SKILL.md 自动安装的流程,可降低操作成本。

Q
这个工具有哪些主要限制?
Answer

需要自行准备运行环境和推理硬件;区域解析依赖 PaddlePaddle、PaddleX 与版面模型,手写、书法、古籍和不规则版式官方建议改用整页解析;社区 GGUF 量化版本未经官方评测。

工具介绍

产品简介

Xiaomi-OCR-0 是 xiaomi-research 开源的 0.8B 文档解析与 OCR 理解视觉语言模型,从 Qwen3.5-0.8B 出发训练,权重与代码以 Apache-2.0 协议开放。它面向文档页面理解、结构化输出和 OCR 问答,仓库同时提供本地浏览器 Demo、MCP 服务与可复现的评测流程。

核心功能

  • 0.8B 参数即可完成文档转 Markdown、字段抽取和文档问答
  • Apache-2.0 开源,权重与代码均可获取,支持完全本地部署
  • 提供浏览器 Demo、MCP 服务和 SGLang/vLLM/Ollama 多种本地推理方式
  • 官方给出 OmniDocBench v1.6、PubTabNet、UniMER-Test 等基准结果,并附带可复现评测流程
  • 覆盖演示、文档与 PDF相关需求

适用场景

  • 文档处理
  • 知识管理

适合谁用

  • 个人办公用户
  • 团队协作场景
  • 知识工作者

选择参考

  • 适合场景:知识库与资料整理 / 资料导入。
  • 外部参考:公开工具目录中的收录还比较少;GitHub 项目 security/advanced-security;可找到 12 个相关视频或教程。
  • 使用建议:适合作为候选工具先试用核心流程,再决定是否长期使用。

核心能力

主能力
演示、文档与 PDF
次要能力
搜索、知识库与研究

适用场景

知识管理
文档处理
价格与版本
Free
访问方式
Web AppAPI
支持语言
EnglishSimplified Chinese