面壁智能开源 MiniCPM-OCR 套件，含 1B 解析模型与 2B 校验模型
Your OCR says it’s done—but did it get everything right? 🤔 In high-stakes workflows, even a small error can be costly.
面壁智能发布开源 MiniCPM-OCR 套件，包含 1B 的 MiniCPM-OCR 1.0 与 2B 的决策模型 MiniCPM-OCR Jev。MiniCPM-OCR 1.0 在 Real5-OmniDocBench 得分 93.68、OCRBench v2 得分 54.7；Jev 可跨模型校验文本、公式和表格，在 JevOCRBench 得分 93.6，超过 JEV-35B-A3B 的 90.1，接近 Qwen3.5-397B-A17B 的 93.8。借助 DSpark，其速度为 PaddleOCR-VL-1.6 的 1.49 倍、MinerU2.5 Pro 的 3.62 倍，SDK 并发优化后可达每分钟 128 页，并支持 vLLM、SGLang、llama.cpp 和 Ollama 部署。
推荐理由
AI 评分 62
面壁智能开源两款 OCR 模型，一个负责解析、一个负责校验，并给出与 PaddleOCR、MinerU 的速度对比。
主题
正文 · AI 翻译
你的 OCR 说它完成了——但它真的把一切都弄对了吗？🤔 在高风险工作流中，哪怕一个小错误也可能代价高昂。
🚀 认识一下 MiniCPM-OCR 套件：一个开源解决方案，既能快速解析，又能校验结果。
两个新模型： 🔹 MiniCPM-OCR 1.0 — 在 1B 规模下实现 SOTA 级 OCR 性能与速度。紧凑、准确、快速。 🔹 MiniCPM-OCR Jev — 一个 2B 决策模型，帮助评估解析准确度，在 JevOCRBench 上的表现接近 Qwen3.5-397B-A17B。
⚡ 有什么新东西？ 小模型，SOTA 结果：MiniCPM-OCR 1.0 在 Real5-OmniDocBench 上得分 93.68，在 OCRBench v2 上得分 54.7。
一位敏锐的守门员 🛡️：MiniCPM-OCR Jev 与模型无关，可校验来自不同 OCR 解析器的文本、公式和表格。它在 JevOCRBench 上达到 93.6，超过 JEV-35B-A3B（90.1），并接近 Qwen3.5-397B-A17B（93.8）。
每分钟最多 128 页 🤯：借助 DSpark，MiniCPM-OCR 的运行速度是 PaddleOCR-VL-1.6 的 1.49 倍、MinerU2.5 Pro 的 3.62 倍。SDK 的并发优化进一步将吞吐量提升至每分钟多达 128 页。
在你工作的地方部署：Day-0 支持 Arm、后摩智能、Intel 和 NVIDIA，并通过 FlagOS 支持另外 10 家芯片厂商。
适配你的技术栈：vLLM、SGLang、llama.cpp 和 Ollama，并提供量化模型、微调支持和 Agent Skills。
🔗 GitHub：https://t.co/2SlATAJk08 🤗 Hugging Face： MiniCPM-OCR 1.0：https://t.co/i347di4Fju MiniCPM-OCR Jev：https://t.co/ayVzhCJenh 👉 试用 Demo：https://t.co/QsFAJT3AFy 使用 API：https://t.co/dP01jBS2j2