AI AI工具情报站
国内AI动态 ai-models

1.3B 解析模型与 2B 判别模型

📰 公众号:面壁智能(MiniCPM) 📅 2026-10-28

面壁智能正式发布并开源 MiniCPM-OCR 系列,这是 MiniCPM 家族首个面向高效文档解析与文字识别的 OCR 模型线,直击"效率"与"信任"两道长期未被解决的缺口。

核心亮点

系列含两个模型:MiniCPM-OCR 1.0(1.3B)是家族首个 OCR 专用模型,在 Real5-OmniDocBench 与 OCRBench v2 双基准上取得 SOTA;MiniCPM-OCR Jev(2B)是业内首个 OCR 解析结果判别模型,专门判断"解析结果到底可不可信"。

具体能力或事件经过

1.0 在 Real5-OmniDocBench 拿到 93.68 分 SOTA,在 OCRBench v2 以 54.7 分领先次优模型 7.7 分;与 14 款主流 OCR 横向对比,在 6 项基准的 4 项中第一。引入自研 DSpark 解码加速后,端到端效率提升 55%,吞吐达 1.217 页/秒(RTX 5090),约为 PaddleOCR-VL-1.6 的 1.49 倍、MinerU2.5 Pro 的 3.62 倍。

技术细节

Jev 不解析文本,输入原始图像与解析结果,输出 0–1 质量评分,覆盖文本/公式/表格。在 JevOCRBench 上 AUROC 达 93.6,超越 35B 级判别模型,逼近 397B 级 Qwen3.5 的 93.8;且泛化好,在多家 OCR 结果上 AUROC 稳定 91.9–93.4,可作即插即用的"质检员"。它走 System-1 快思考路线,单次前向、无自回归解码,延迟极低。

与竞品对比

相比只追基准高分的主流 OCR,MiniCPM-OCR 的差异化在于用独立判别模型填平"评分高≠这份文档没错"的信任缺口,让人工核验从全量变成只查低分。

行业影响或适用场景

发布首日即适配 vLLM、SGLang、llama.cpp、Ollama,并完成 12 个芯片平台 Day0 适配。对法务、财税、医疗等文档密集行业,它把"本地跑、跑得快、可信入库"变成现实,是端侧文档智能的务实一步。