就在前几天，

面壁智能联合OpenBMB开源了

 MiniCPM-OCR 系列模型。

包含参数量1.3B 的 MiniCPM-OCR 1.0和

2B 的 MiniCPM-OCR Jev

同时权重、部署工具链和微调代码，

也全都开放了，

我自己体验下来，OCR 的效果真的极好，

于是就去研究了一下怎么实现的，

这个OCR 功能是由两个模型共同完成的

OCR模型把文档图片解析成结构化文本，

Jev 给解析结果打分

后者是文档自动化里长期缺失的核验部分，

这次面壁找到了一个解决方案。

众所周知啊，

面壁智能最有名的就是端侧模型，

多数团队在扩大参数量的时候，

MiniCPM 选择走群众路线

用几B的参数量逼近超大模型的能力，

可以直接部署在消费级设备上。

OCR模型可以输出 Markdown 

或 JSON 格式的结构化文本，公式和表格

模型支持中英混排、跨行复杂公式。

它在 Real5-OmniDocBench 和 OCRBench v2 两个测试集上

分别拿到 93.68 分和综合评测 54.7 分，第一名。

一份合同用OCR识别，大概率会存在一些数字文字识别错误，

如果没有二次审核，那出错了的话问题就很严重了

目前市面上有两种解决方案。

一种是增加人工，逐页复核。

另一种是再请一个生成式大模型对照原图复述一遍。

后者相当于再搞一次生成式任务，

而且模型倾向于顺着已有答案继续生成，

自查很难查出问题。

JEV 模型提供了第三种解法，判别式。

JEV 底座模型是 Qwen3.5-2B，

输入原图区域、候选解析文本以及渲染图

输出一个 0 到 1 之间的置信分，分数越高，解析越可信。

在专用基准 JevOCRBench 上，

Jev 的整体 AUROC 达到 93.6。

Qwen3.5-397B-A17B拿了93.8 分，

但是参数量大了 200 倍。

在 MiniCPM-OCR 1.0、GLM-OCR、

PaddleOCR-VL-1.6 和 Xiaomi-OCR 四家的解析结果上，

AUROC 稳定在 91.9 到 93.4 之间。

意味着它可以作为独立环节，

插进任何一条已有的 OCR 流水线。

如果是本地部署的话，

A100上跑大概0.09 元/1000页，

RTX 4090 0.27 元/1000页，

BF16 全精度权重大约 4 到 5GB，

INT8 量化2GB，4-bit 量化约 1.2 到 1.5GB。

8GB 内存的笔记本用 4-bit 量化版就能部署

16GB的MacBook Air 可以直接全精度跑了

甚至12GB 内存的安卓手机

配合 llama.cpp 或 Ollama 

也能直接装在手机上，

端侧模型还是太权威了。

晓风乾丨 大四 Base北京 AI产品在职

想缩小科技带来的信息差 分享很酷的AI玩法。

希望得到您的点赞转发爱心三连支持，

如果有更多想法或者问题欢迎交流~