🔍 Xiaomi выпустила OCR-модель на 800 млн параметров, которая почти догнала лидера в разы крупнее
Xiaomi-OCR-0 умеет не просто читать текст с картинки, а разбирать документ целиком: таблицы, формулы, структуру страницы, поля в JSON и вопросы по содержимому.
🔝 Размер - всего 0,8 млрд параметров.
На OmniDocBench v1.6 модель получила 96,83, тогда как лучший результат в сравнении Xiaomi - 96,87.
Кому подойдёт: 🔵Бухгалтерия: счёт или акт можно сразу превратить в JSON с суммой, ИНН, датой и номером документа и отправить дальше в 1С или ERP.
🔵Банк или страховая: паспорт, заявление, справку или анкету можно разобрать локально и передать агенту уже структурированные поля, не отправляя документ во внешнее облако.
🔵Юристы: договор можно перевести из PDF в нормальный Markdown, вытащить таблицы и реквизиты, а потом уже отдавать текст LLM на проверку условий.
🔵Архивы и бэк-офис: сканы старых документов можно массово превращать в машиночитаемый вид и индексировать для поиска.
🔵Агенты: модель может стать первым слоем в пайплайне: документ пришёл → OCR разобрал его → данные ушли в агент → агент уже принимает решение или запускает следующий шаг.
Такую модель потенциально можно держать внутри инфраструктуры и гонять через неё большие объёмы документов без постоянных вызовов дорогой мультимодальной LLM.
Xiaomi-OCR-0 для извлечения и структуры → большая LLM только там, где реально нужно рассуждение. Всё работает локально, без облаков: github.com/xiaomi-research/Xiaomi-OCR-0
💬 Присоединиться к обсуждению в чате
Телеграм канал Андрей Анисимов @ideasforai
В этом посте были ссылки, но мы их удалили по правилам Сетки
