Xiaomi открыла веса и код для запуска Xiaomi-OCR-0 — модели на 0,8 млрд параметров, которая распознаёт документы и отвечает на вопросы по их содержимому. Как сообщает IT Home, одна модель объединяет разбор страниц, извлечение заданных полей и вопросы к документам и диаграммам.
Xiaomi-OCR-0 распознаёт текст, таблицы и математические формулы, сохраняя порядок чтения. Результат можно получить в Markdown или LaTeX. Для счетов, чеков и форм модель извлекает нужные поля в JSON — формат, который удобно передавать другим программам. Вопросы к документу могут требовать поиска сведений в разных частях страницы или вычислений, а не только переписывания текста.
По данным Xiaomi, модель построена на базе Qwen3.5-0.8B-Base и обучалась примерно на 170 млн примеров для OCR и понимания документов. Для проверки сложных таблиц и формул команда повторно превращала результат распознавания в изображение и сравнивала его с исходным фрагментом: так можно обнаружить смещённые строки и столбцы или пропущенные символы.
В опубликованных Xiaomi результатах Xiaomi-OCR-0 набрала 96,83 балла в OmniDocBench v1.6 — второе место в общем зачёте и первое среди моделей менее чем с миллиардом параметров. В пяти тестах на понимание документов её средний балл составил 83,2; для сравнения, Qwen3.5-4B в той же подборке получила 84,9 балла. Эти оценки относятся к названным тестам и не описывают скорость работы модели на устройстве.
Веса модели размещены на Hugging Face, а код для её запуска — на GitHub. Xiaomi также сообщает, что связанные технологии уже используются в мобильном помощнике «Супер Сяоай»: он может, например, находить на экране код получения заказа или извлекать из чека сумму и название магазина.
Источник: IT Home.
