理应资讯
软件研发智能化

面壁智能与 OpenBMB 开源 MiniCPM-OCR:解析模型加结果质检模型

理应编辑室 ·

面壁智能与 OpenBMB 开源 MiniCPM-OCR:一并发布 1.3B 文档解析模型与 2B 结果质检模型,面向扫描与翻拍等难例,并提供 SDK 与多种推理后端。

面壁智能(ModelBest)与 OpenBMB 联合开源 MiniCPM-OCR 系列。GitHub 仓库与 OpenBMB 文档写明,该系列同时放出文档解析模型 MiniCPM-OCR 1.0(约 1.3B 参数)与结果质检模型 MiniCPM-OCR Jev(约 2B 参数)。代码、文档与权重按 Apache 2.0 发布。OpenBMB 变更日志将发布记在 2026 年 10 月 28 日;PR Newswire 通稿日期为 10 月 31 日。

解析侧面向中英文文档与 PDF。仓库介绍称,模型覆盖文本、表格、公式、图表、印章与关键信息抽取,并针对扫描件、照片、弯曲页、倾斜页与翻拍等采集条件做平衡。文档给出的评测数字包括 Real5-OmniDocBench 93.68、OCRBench v2 54.7;在启用 DSpark 等加速配置时,参考吞吐约为每秒 1.2 页(RTX 5090、指定评测集与并发设置)。完整页解析可通过 minicpmvocr SDK,结合版面检测后输出按阅读顺序排列的 Markdown,并把表格转为 HTML、保留 LaTeX 公式。通稿还提到,可按业务指令从发票、证件与财务报表中抽取指定字段,便于进入后续档案或自动化流程。

质检侧的 Jev 不直接做 OCR。它接收原图区域与候选识别结果,为文本、公式与表格返回 0 到 1 的质量分,用来挑出可靠结果、标出需人工复核的区域,或在多引擎候选里择优。文档称其在 JevOCRBench 总体约 93.5,并可对 MiniCPM-OCR、GLM-OCR、PaddleOCR-VL、Xiaomi-OCR 等不同解析输出做泛化评分。企业仍需在自身标注样本上校准阈值,再决定哪些页可以免审入库;阈值过高会漏过错误,过低则会把人工重新堆回去。

部署上,仓库与文档列出 vLLM、SGLang、llama.cpp、Ollama,以及 pip SDK、API 与面向编码智能体的 Skill 说明;并提供量化权重。通稿还列举了多芯片 Day-0 适配与 FlagOS 相关叙述。对档案、合同与票据类业务,解析加质检的组合,可以把“每页都人工看”改成“低分区域才看”,从而在相同人力下处理更多页。上线路径通常是:先用 SDK 或 API 跑通版面与识别,再把 Jev 分数写入质检队列,最后只把低于阈值的页交给人工。公开材料没有给出商业 SLA 或统一云单价;吞吐与准确率均依赖硬件、版面与阈值,不能直接外推到任意业务库,上线前应在本企业样本上复测,并记录阈值与复核工时,而不是只看公开基准分数。

参考资料

  1. OpenBMB/MiniCPM-OCR · GitHub / OpenBMB
  2. MiniCPM-OCR | OpenBMB Knowledge Base · OpenBMB
  3. ModelBest and OpenBMB Open-Source MiniCPM-OCR Series · PR Newswire / ModelBest
  4. Changelog | OpenBMB Knowledge Base · OpenBMB