概览
MiniCPM-OCR 1.0 是面壁智能联合清华大学、OpenBMB 开源社区于 2026 年 10 月 28 日开源的文档 OCR 模型，也是 MiniCPM-V/o 家族的第一个 OCR 专用模型。它在 MiniCPM-V 4.6 的基础上专门做 OCR 训练，由 SigLIP 视觉编码器和 Qwen3.5 语言模型组成，参数约 1.3B，主攻以文字为主的文档理解：正文、表格、公式、图表、印章，以及关键信息抽取，主要支持中英文，PDF、PNG、JPG 都能直接输入。官方把它和 PP-DocLayoutV3 版面模型、minicpmvocr SDK 组成完整的文档解析流程，特别针对扫描件、弯曲页、手机翻拍、倾斜拍照等真实场景优化。官方自测在真实场景文档解析基准 Real5-OmniDocBench 上拿到 93.68、OCRBench v2 上 54.7，两项都是 SOTA；借助 DSpark 解码加速，端到端提速约 55%，在 RTX 5090 上单并发约 1.2 页/秒，吞吐约为 PaddleOCR-VL-1.6 的 1.49 倍、MinerU2.5 Pro 的 3.62 倍（均为官方自测）。发布首日即支持 vLLM、SGLang、llama.cpp、Ollama，并提供 GGUF / AWQ / GPTQ 量化版本、pip SDK（minicpm-ocr）、OpenAI 兼容调用示例和 SKILL.md，可用 LLaMA-Factory 或 ms-swift 继续微调。同时开源的还有 2B 的 MiniCPM-OCR Jev，用来判断识别结果是否可信、哪些页面需要人工复核。模型权重、代码和文档均为 Apache 2.0 协议，Hugging Face 与 ModelScope 同步公开。来源：https://github.com/OpenBMB/MiniCPM-OCR 、https://huggingface.co/openbmb/MiniCPM-OCR-1.0 、https://modelscope.cn/models/OpenBMB/MiniCPM-OCR-1.0 （2026-10-29 核对）。 定价：权重免费下载、自行部署（Apache 2.0，可商用）；官方提到有免费 API 和面壁开放平台在线体验，但 API 文档写明官方托管接口、申请入口和模型 ID 尚未公布，也没有按 token 的价格，输入 / 输出价留空。
- 模态
- 多模态
- 参数量
- 1.3B
- 许可说明
- 开源 · Apache 2.0
能力
- 定位：MiniCPM-V/o 家族第一个 OCR 专用模型，面向以文字为主的文档理解，覆盖正文、表格、公式、图表、印章识别和关键信息抽取（KIE），主要支持中文和英文，可处理 PDF、PNG、JPG
- 架构：在 MiniCPM-V 4.6 基础上做 OCR 专项训练，SigLIP 视觉编码器 + Qwen3.5 语言模型，参数约 1.3B；完整文档解析流程 = MiniCPM-OCR 1.0 识别模型 + PP-DocLayoutV3 版面模型 + minicpmvocr SDK
- 评测（官方自测）：Real5-OmniDocBench 93.68（SOTA）、OCRBench v2 54.7（SOTA），在 OmniDocBench v1.6、Wild-OmniDocBench、olmOCR-Bench 上也排在其对比的开源 OCR 模型前列；对扫描件、弯曲页、翻拍、倾斜拍照等真实场景做了专门优化
- 速度：DSpark 解码加速让端到端提速约 55%；RTX 5090 上 OmniDocBench v1.6 全量 1,651 张图单并发约 1.2 页/秒，并发 8 时约 2.13 页/秒；官方称吞吐是 PaddleOCR-VL-1.6 的 1.49 倍、MinerU2.5 Pro 的 3.62 倍
- 部署：首日支持 vLLM、SGLang、llama.cpp、Ollama，发布时即提供 GGUF / AWQ / GPTQ 等量化版本；可用 LLaMA-Factory、ms-swift 微调；提供 pip SDK（minicpm-ocr）、OpenAI 兼容调用示例和 SKILL.md；在线体验在面壁开放平台文档解析 Playground
- 配套模型 MiniCPM-OCR Jev：2B 的识别结果判断模型，用来判断 OCR 输出是否可信、哪些需要人工复核，官方称在 JevOCRBench 上 AUROC 93.6