小米开源了 Xiaomi-OCR-0，只有 8 亿参数，基于阿里的 Qwen3.5-0.8B 继续训练，用了约 1.7 亿条 OCR 与文档理解样本。 
它能干三类活，不只是把图片里的字抄出来： 

文档解析：把文字、复杂表格、数学公式转成可编辑内容
信息抽取：从发票、收据、证件里提取指定字段，直接输出 JSON
视觉问答：根据文档和图表内容回答问题

训练上有两个细节：数据清洗时让多个 OCR 模型交叉核对结果；复杂表格和公式的识别结果会重新渲染成图片和原图比对，抓错位、漏字。训练分阶段，先练识别和版面解析，再加抽取、问答任务。 
成绩：五项 OCR 视觉问答测试平均 83.2，超过参数量 2.5 倍的 Qwen3.5-2B（80.9），接近 4B 模型的 84.9；模拟扫描、纸张弯曲、屏幕翻拍等干扰的 Real5 文档解析测试，搭配外部版面检测器拿到 95.24 分。 
目前权重、推理...