OpenBMB выпустила компактную OCR-модель и отдельный AI-проверяющий её результат
MiniCPM-OCR объединяет парсер документов на 1,3 млрд параметров и модель на 2 млрд, которая оценивает правильность распознавания текста, таблиц и формул.
OpenBMB открыла MiniCPM-OCR — набор для обработки документов, в котором распознавание отделено от контроля качества. MiniCPM-OCR 1.0 — модель на 1,3 млрд параметров для документов на китайском и английском, а MiniCPM-OCR Jev — отдельная модель на 2 млрд параметров, которая проверяет OCR-вывод и оценивает текст, таблицы и формулы.
Парсер работает с PDF, сканами, фотографиями, изогнутыми страницами, диаграммами, печатями и извлечением структурированных данных. Он возвращает Markdown или JSON и поддерживает vLLM, SGLang, llama.cpp и Ollama, а также квантованные версии. OpenBMB утверждает, что ускоренная конфигурация обрабатывает около 1,2 страницы в секунду и повышает пропускную способность при параллельных запросах.
Проверяющая модель оценивает результаты не только MiniCPM-OCR, но и других OCR-систем, и отмечает участки для ручной проверки. OpenBMB сообщает AUROC 93,6 в собственном тесте JevOCRBench — близко к намного более крупной модели Qwen. Эти цифры требуют независимого воспроизведения.
Для агентных систем с большим потоком документов такая схема может быть полезнее одной оценки точности: сомнительные фрагменты можно отправлять человеку до того, как ошибка попадёт в поиск, извлечение данных или автоматизацию. Код, документация и веса доступны по Apache 2.0.
