小米 10 月 30 日通过官方账号正式推广开源文档模型 Xiaomi-OCR-0，参数量 0.8B，基于 Qwen3.5-0.8B，采用 Apache-2.0 许可。权重和技术报告其实 9 月底就放出来了，这次一并带上了 MCP 服务和 Agent Skill，属于面向开发者的正式亮相。
官方说法是，它在 OmniDocBench v1.6 的文档解析测试里，位列 10 亿参数以下模型第一。这句话能对上 README 的表格：Xiaomi-OCR-0 得 96.83，只有 1.2B 的 TeleOCR 以 96.87 略高。
一个模型，三项任务
Xiaomi-OCR-0 把文档解析、关键信息提取和文字相关的视觉问答放在一个模型里。技术报告说，训练语料约 1.7 亿条样本，由自动化数据引擎生成，结合了专家共识、基于渲染的验证和定向合成。训练从 Qwen3.5-0.8B 起步，依次经过 Q-Mask 文本锚定、持续预训练和混合任务强化学习。
小米公布的其他成绩有：UniMER-Test 公式识别 97.84，PubTabNet 表格识别 TEDS 92.27，五个视觉问答基准平均 83.2，高于 Qwen3.5-2B 的 80.9。这些都是开发方自测。
部署上可以走 SGLang 或 vLLM，也有实验性的 Ollama 包；README 提供一段提示词，让 Agent 读取 SKILL.md 自行安装。按页面分区的解析模式需要额外装 PaddlePaddle、PaddleX 和 PP-DocLayoutV3。
95.24 和 92.73 差在哪
比“第一”更有看点的是 Real5-OmniDocBench 这一列。这个数据集把 OmniDocBench v1.5 的 1355 页文档，分别用扫描、弯曲、屏幕翻拍、光照和倾斜五种条件重新采集，共 6775 张图，比干净的电子文档更接近真实拍照场景。
README 的表格里，小米 95.24，PaddleOCR-VL-1.6 为 93.19，OvisOCR2 为 92.29，小米排第一。Hugging Face 上的公开榜单却是另一个顺序：
| 排名 | 模型 | 参数量 | 榜单分 |
|---|---|---|---|
| 1 | PaddleOCR-VL-1.6 | 0.9B | 93.19 |
| 2 | Xiaomi-OCR-0 | 0.8B | 92.73 |
| 3 | OvisOCR2 | 0.9B | 92.29 |
| 5 | GLM-5.3-Flash | 321B | 90.76 |
| 8 | Kimi-K2.6 | 1.1T | 89.76 |
| 9 | Gemini-3 Pro | 未公布 | 89.24 |
榜单的讨论区留下了经过。提交评测的一方说，Real5 必须用 OmniDocBench 的 v1.5 分支评分。小米研究员回复称自家参考值是 v1.6 代码跑的：两阶段流程 95.24，端到端 93.45，随后交出了两阶段的原始预测。对方用 v1.5 重算，总分 92.7863，跟榜单上的数基本一致。这个结果之后合并进了榜单。
双方都认为评测代码版本是主要因素，小米方面还提到 vLLM 推理参数可能有影响。不过两个版本的差距究竟有多少来自代码，讨论里没有拆开算过。
榜单本身也还没定型
README 表格的问题在于口径混用：小米这一格是 v1.6 代码的分数，93.19 和 92.29 这两个对手的数字则和榜单一致。放在同一列比，第一名的结论站不稳。
这场争议里还有一层背景。Real5 数据集归 PaddlePaddle 组织，榜首也是它自家的 PaddleOCR-VL-1.6，小米两阶段方案用的版面检测器 PP-DocLayoutV3 同样来自这个生态。讨论区没有迹象显示评分有偏向，重算过程也是公开的，但我们没有查到独立第三方的复现。
讨论区里，数据集一方的参与者已经表示近期会升级 Real5，对齐最新版 OmniDocBench，统一出新指标。在那之前，选型的团队拿 0.4 分的差距下结论意义不大。这些模型都能免费下载，用自家的扫描件和手机照片跑一遍，比榜单更说明问题。
参考来源：小米研究院 GitHub 仓库与技术报告；CocoLoop；Real5-OmniDocBench 公开榜单及 Hugging Face 讨论；分数除榜单外均为开发方自测口径。