Xiaomi-OCR-0 是小米在 2026 年 9 月 30 日開源的0.8B 文件解析模型，一套權重同時幹三件事：把整頁文件讀成結構化 Markdown、按指定欄位抽 JSON、回答頁面上數字之間的問題。表格它出 OTSL 再由後處理轉成 HTML 塞進 Markdown，公式直接落成 LaTeX，都是能改的程式碼，不是截圖裡的死字。
常規 OCR 把字認出來排成一行行文字；它按自然閱讀順序還原版面，標題、正文、表格、公式各歸其位，後兩者還是可編輯程式碼。
時間線有個錯位：論文 9 月 28 日提交，權重 9 月 30 日已放，小米 10 月 30 日才對外宣佈。
三件活輸出三種東西，靠同一套指令切換，不用為解析、抽取、問答各裝一個模型。
同一份權重給了兩種跑法，README 直接寫了取捨，選錯會掉精度。
區域依賴在純 CPU 上也能跑，把 XIAOMI_OCR_LAYOUT_DEVICE 設成 cpu 即可，副作用是排版分析變慢。
三個解析榜的分數都用兩階段法跑出來：先版面模型，再逐塊推理。
| 榜單 | Xiaomi-OCR-0 | 第一是誰 |
|---|---|---|
| Real5-OmniDocBench | 95.24 | 本模型 |
| OmniDocBench v1.6 | 96.83 | TeleOCR 96.87 |
| Wild-OmniDocBench | 87.94 | TeleOCR 88.53 |
表格沒領先：PubTabNet 的 TEDS 是 92.27，TeleOCR 給到 97.05，差近 5 分。公式 UniMER-Test 97.84。古籍書法綜合 73 分，閉源 Seed 2.0 Pro 是 72。
兩條路：自己按文件裝，或把一句話交給 Agent。後者會建環境、下權重、註冊 MCP，動的是你本機，README 專門加了警告。
1.備齊 Python 3.10 以上，顯卡按 SGLang 或 vLLM 支援的列表挑一張。
2.起推理服務，上下文長度按官方的 16384 設，架構名認 Qwen3_5ForConditionalGeneration。
3.跑 demo/server.py，埠 8787，整頁、區域、抽取、問答共用同一個頁面。
4.不想碰顯卡就走 Ollama，社區 BF16 包約 1.8 GB，精度只做過有限驗證。
Loomy AI是一款裝在電腦上的AI辦公智慧體，主要就是幫你快速生成PPT、寫文件、做表格和管理郵件。最大的特點是完全免費，每...
2026-11-03
千問陪逛是千問 App 裡的購物助手，開著螢幕共享逛淘寶，AI 一邊看螢幕一邊回答。它會提煉商品參數、成分表和評價裡的坑，你...
2026-11-03
WorkBuddy遠程控制讓手機接管電腦桌面，手指點哪裡就等於點電腦的同一位置。簡單的事在手機上打一句話就行，電腦端接著跑，只...
2026-11-03
PixTV 的片段重拍不在頂部菜單，藏在影片節點懸停後彈出的圖標條裡。框住要改的那幾秒，再寫清這一段要變成什麼，生成的就是...
2026-11-03
updream充的限時積分是先用的嗎？不按“限時”兩個字判斷，按到期時間判斷：儲值加贈的那部分帶有效期，到期清零；自己付錢買的...
2026-11-03