📌 项目日期：2026年11月 | 数据来源：GitHub官方仓库 | 星数：715+
MiniCPM-OCR 是 OpenBMB（面壁智能）的高效文档解析与文字识别模型家族。MiniCPM-OCR 1.0（1.3B）是 MiniCPM-V/o 家族首个OCR专精模型：解析中英文文档与PDF，覆盖文字、表格、公式、图表、印章与结构化信息提取，Real5-OmniDocBench 真实文档解析基准 SOTA 93.68，在 OmniDocBench v1.6、Wild-OmniDocBench、olmOCR-Bench 全面领先。
最难能可贵的是困难输入覆盖：扫描件、照片、弯曲页、斜页、翻拍文档都稳。MiniCPM-OCR Jev 则做区域级结果评估——标出哪些区域有问题、哪些可靠，与其他解析模型配合帮你精确定位需要人工复核的内容。小模型训练路线参考 MiniMind从零训练；网页侧的内容提取用 Firecrawl。
| 模型 | 定位 | 亮点 |
|---|---|---|
| MiniCPM-OCR 1.0（1.3B） | 文档解析+识别 | Real5-OmniDocBench 93.68 SOTA；文字/表格/公式/图表/印章/结构化提取；困难拍摄条件稳 |
| MiniCPM-OCR Jev | 区域级结果评估 | 区分问题区域与可靠区域；可搭配不同解析模型定位需复核内容 |
| DSpark加速 | 推理加速（BF16） | 高效推理，官方HuggingFace提供DSpark-BF16版本 |
# 权重与推理代码见仓库 + HuggingFace openbmb 组织
pip install transformers # 按仓库要求版本
# 1.0解析：喂图片/PDF页 → 结构化Markdown输出
# Jev评估：解析结果+原图 → 区域级可靠性标注OpenBMB的高效文档解析与文字识别模型家族：1.0版（1.3B）解析中英文档与PDF，覆盖文字/表格/公式/印章/结构化提取；Jev版在区域级评估OCR结果，区分问题区域与可靠区域。
Real5-OmniDocBench真实文档解析基准SOTA 93.68，在OmniDocBench v1.6、Wild-OmniDocBench、olmOCR-Bench同样领先；支持扫描件、弯曲页、照片、斜页、翻拍等困难输入。
它与其他解析模型配合工作：区域级标出哪些内容可能有问题、哪些可靠，让用户精准定位需要人工复核的部分，而不是全文重查。