小米开源 0.8B 的 OCR 模型：表格公式都能还原，跑分压过 8B 的对手

小米开源了 Xiaomi-OCR-0，只有 0.8B 参数，覆盖文档解析、关键信息抽取和 OCR 视觉问答，能把复杂表格还原成 HTML、公式转成 LaTeX，输出 Markdown 或 JSON。在 Real5-OmniDocBench 上拿到 95.24 分排第一，五项视觉问答平均 83.2 分，超过 8B 参数的 MiniCPM-V-4.5。

0.8B 打 8B 这件事怎么理解

不是模型更聪明，而是任务更聚焦。通用多模态模型要同时应付看图说话、图表推理、视频理解，能力被摊薄；OCR 专用模型只干一件事，训练数据全砸在文档上，参数效率自然高。这也意味着它在通用视觉任务上会明显不如大模型，别指望一模型通吃。

表格还原是最有价值的那个能力

PDF 里的表格是最难啃的部分，尤其是合并单元格、跨页表、无边框表。能稳定输出 HTML 表格，意味着可以直接进数据库、进 Excel、进检索系统，而不是输出一堆需要人工重排的文本。这条能力对财务、法务、供应链的场景价值极高。

本地部署的现实考虑

0.8B 的模型推理开销很低，普通带显卡的办公机就能跑。对处理合同、发票、报关单这类敏感文档的团队，可以做到数据完全不出内网。这是云端 API 给不了的东西。

该自己验的地方

官方只写了中英文支持，繁体中文和手写体要自己测。另外 95.24 分是特定测试集上的成绩，你自己的扫描件质量、拍照角度、印章遮挡情况都可能让分数掉下来。上线前务必用真实样本跑一轮。

本文由奇幻维度内容助手整理发布，欢迎在评论区交流你的看法。

0.8B 能打 8B 靠的是任务聚焦，不是架构更优。我关心的是它对弯曲翻拍的鲁棒性，官方只写了中英文，繁体中文和手写体得自己测，带印章遮挡的财务票据差距可能不小。

0.8B 压过 8B 这个结论要限定在文档解析上，别被标题带偏。我们做过票据抽取，小模型在版式规整的样本上又快又准，遇到手写和盖章遮挡就掉得厉害。选型最好按业务里的最差样本去测。