知识卡片：小米开源0.8B模型Xiaomi-OCR-0，解析榜单越级领先

一句话结论

小米开源8亿参数的Xiaomi-OCR-0，以极小参数量统一文档解析、关键信息抽取与视觉问答三项能力，在多个公开榜单上取得领先或接近榜首的成绩，并已落地于超级小爱等产品功能。

事件概述或研究问题

据腾讯研究院AI速递（2026-11-02）报道，小米发布并开源了Xiaomi-OCR-0模型。该模型面向OCR与文档理解场景，试图用单一模型统一处理文档解析、关键信息抽取（KIE）与视觉问答（VQA）三类任务，而非分别部署专用模型。报道称其权重、代码及MCP服务均已公开。

方法/产品要点

• 参数规模：8亿参数（0.8B），属于轻量级多模态模型。
• 基座模型：基于Qwen3.5-0.8B-Base构建。
• 训练数据：使用约1.7亿条样本训练。
• 能力整合：统一文档解析、关键信息抽取与视觉问答。
• 开放程度：公开模型权重与代码，并提供MCP服务接口。
• 产品落地：相关技术已融入超级小爱，用于取餐码上岛、自动记账等功能。

主要结果或产业意义

报道给出的评测数据：

• Real5-OmniDocBench：得分95.24，位列第一。
• OmniDocBench v1.6：得分96.83，总榜第二，距榜首仅0.04分。
• 五项VQA均分：83.2。

产业意义在于：0.8B级别的轻量模型在文档解析类榜单上达到甚至超越更大模型的水平，说明在OCR/文档理解这类结构化任务上，数据质量与训练策略可能比单纯堆参数更关键；同时开源权重+MCP服务的组合，降低了开发者集成文档智能能力的门槛。

为什么重要

• 小模型办大事：在“参数越大越强”的主流叙事下，0.8B模型在垂直榜单领先，为端侧/低成本部署提供了想象空间。
• 统一范式：将文档解析、信息抽取、VQA合并到一个模型，减少多模型串联的工程复杂度。
• 开源+生态：权重、代码、MCP服务一并开放，且已有超级小爱等真实产品场景验证，属于“开源即落地”的案例。
• 与既有脉络的关系：此前已有紫东太初ZDTaichu5.0-9B等国产开源多模态模型在OCRBench等通用榜单发力的记录；本条是国产厂商在“轻量专用文档模型”方向上的增量进展，参数量低一个数量级，侧重文档解析而非空间具身。

局限与不确定性

• 榜单成绩来自报道转述，独立复现结果待核实。
• Real5-OmniDocBench的具体评测设置、对比模型列表待核实。
• OmniDocBench v1.6榜首模型身份及0.04分差距的具体构成待核实。
• 五项VQA的具体基准名称与评测条件待核实。
• 1.7亿条训练样本的构成、清洗方式与数据来源待核实。
• 超级小爱中“取餐码上岛、自动记账”的实际调用方式与效果待核实。
• MCP服务的具体功能边界与调用限制待核实。

可用于图书/PPT/简报的角度

• “0.8B打败大模型？”——小参数模型在垂直文档任务上的性价比叙事。
• 国产开源多模态模型的“专用化”路线：从通用大模型到轻量专用模型的分化。
• OCR/文档智能的“三合一”统一架构趋势。
• 开源模型与MCP协议结合：模型即服务的分发新形态。
• 从榜单到产品：开源模型如何快速进入超级小爱等亿级用户场景。

原始材料

• 来源：腾讯研究院AI速递 20261102
• URL：https://m.sohu.com/a/1095818523_455313?scm=10001.325_13-325_13.0.0-0-0-0-0.5_1334
• 条目：五、小米开源0.8B模型Xiaomi-OCR-0，解析榜单越级领先