Evergreen 工具站
|
← 返回AI工具

MiniCPM-OCR 1.0 与 Jev：13 亿参数读文档，20 亿参数当质检员

面壁智能与 OpenBMB 在 2026 年 10 月 31 日开源 MiniCPM-OCR 系列：1.3B 的 MiniCPM-OCR 1.0 不用预先纠偏就能读歪的、弯的、翻拍的、截屏的文档，2B 的 MiniCPM-OCR Jev 不认字只做质检，给文字、公式和表格打置信度。两个模型加起来 3.3B 参数，把「解析」和「验收」拆成两道工序

官方入口

GitHub · Hugging Face · 发布公告

功能特点

  • ✓ 1.3B 参数就能处理扫描件、翻拍件、弯曲、倾斜和截屏文档，不需要繁琐的图像预处理和前纠偏
  • ✓ 覆盖中英混排密集文本、复杂数学公式（LaTeX）、多级表头与无框线表格，并支持发票、证件、财报的键值信息抽取（KIE）
  • ✓ 搭载 DSpark 解码加速，在同等硬件和时间预算下提高端到端吞吐、降低单页延迟，适合百万页级的档案数字化场景
  • ✓ Jev 是首个 OCR 结果判决模型：比对原图与 OCR 结果，为文字、LaTeX 公式、表格打置信度，识别漏字、错字和格式错位
  • ✓ 已在 GitHub、Hugging Face、ModelScope 开放，支持 vLLM、SGLang、llama.cpp、Ollama 以及 SDK、API、Agent Skill 插件，Day-0 适配 AMD、Intel、NVIDIA、昇腾等芯片

使用步骤

  1. 先从 Hugging Face 拉 openbmb/MiniCPM-OCR-1.0 的权重，或者用 gguf 版本在本地 Ollama 里跑通第一页
  2. 拿你自己最难的那批文档做基准：正着的、歪 30 度的、翻拍的、手机截图的，各取 20 张，先看看它到底在哪一类上掉链子
  3. 接上 Jev 做二次判定：让它对每个文本块、公式块和表格块给置信度，把低分的挑出来送人工，高的直接进下游流程
  4. 如果单页延迟不够，再上 vLLM 或 SGLang 批处理，用 DSpark 解码加速把吞吐拉起来，同时盯住显存占用

常见问题

MiniCPM-OCR 1.0 和同类的视觉 OCR 模型有什么不同？

它走的是轻量专用路线：1.3B 参数，第一个 OCR 专用模型，面向边缘部署。官方说法是直接解析扫描、翻拍、弯曲、倾斜和截屏文档而不需要图像预纠偏，同时支持中英混排、复杂数学公式和多级表头、无框线表格。也就是说它把「先修图再识别」这条常见流水线省掉了。权重在 Hugging Face 上可以下载，仓库见 https://github.com/OpenBMB/MiniCPM-OCR ，模型页见 https://huggingface.co/openbmb/MiniCPM-OCR-1.0

Jev 到底做什么？为什么不直接让 OCR 模型自己给置信度？

按照官方说明，Jev 是第一个「OCR 结果判决模型」，它自己不执行 OCR，而是把原图和 OCR 输出放在一起比，然后给文字、LaTeX 公式、表格分别打置信度，判断有没有漏字、错字、格式错位。这样设计的好处是跨模型可用：你可以继续用现有的 OCR 引擎，只在后面挂一层 Jev 做质量门控，既能把可信结果直接放行，也能把可疑结果拎出来送人工，还能在多个 OCR 系统的结果里挑最好的那份。权重见 https://huggingface.co/openbmb/MiniCPM-OCR-Jev

部署需要什么条件？

官方给出的推理路径包括 vLLM、SGLang、llama.cpp 和 Ollama，另外提供 SDK、API 和 Agent Skill 插件。硬件方面 Day-0 适配了 AMD、Arm、Intel、NVIDIA，并通过 FlagOS 软件栈支持 CIX、华为昇腾、海光、天数智芯、昆仑芯、沐曦、摩尔线程、平头哥、清微以及 Apple Mac（Arm）。具体的显存需求请以模型页和 OpenBMB 部署文档 https://openbmb.cn/docs/en/guides/minicpm-v/minicpm-ocr/deploy 为准

这个模型适合什么样的业务场景？

官方点出的典型场景是金融合同档案、学术图书馆和政府档案这类动辄百万页的存量文档数字化——过去受限于预纠偏和人工抽检成本，很多档案压着没动。另外因为支持 KIE（按业务指令从发票、证件、财务报表里抽指定字段），也适合票据和证照的结构化录入。如果你的场景对单页准确率要求极高，就配 Jev 做置信度门控，把低置信度的送人工复核

它的许可证是什么？商用有限制吗？

GitHub 仓库 OpenBMB/MiniCPM-OCR 标注的是 Apache-2.0 许可证，模型在 Hugging Face 和 ModelScope 上开放下载，官方还一并放出了微调代码。Apache-2.0 允许商用，但还是建议你在正式使用前，去仓库 LICENSE 文件和模型页再确认一次具体条款，因为不同权重版本（gguf、AWQ）可能附带额外说明