Am 30. Oktober hat Xiaomi über seinen offiziellen Account das quelloffene Dokumentenmodell Xiaomi-OCR-0 offiziell beworben. Es hat 0,8 Milliarden Parameter, basiert auf Qwen3.5-0.8B und steht unter der Apache-2.0-Lizenz. Gewichte und Technikbericht waren tatsächlich schon Ende September veröffentlicht worden; diesmal kamen ein MCP-Dienst und ein Agent Skill hinzu – es ist also ein offizieller Auftritt, der sich an Entwickler richtet.
Laut Xiaomi liegt das Modell im Dokument-Parsing-Test OmniDocBench v1.6 auf Platz 1 unter den Modellen mit weniger als einer Milliarde Parametern. Das deckt sich mit der Tabelle im README: Xiaomi-OCR-0 erreicht 96,83, nur das 1,2B große TeleOCR liegt mit 96,87 knapp darüber.
Ein Modell, drei Aufgaben
Xiaomi-OCR-0 vereint Dokument-Parsing, Extraktion von Schlüsselinformationen und textbezogenes visuelles Frage-Antworten in einem Modell. Dem Technikbericht zufolge umfasst das Trainingskorpus rund 170 Millionen Beispiele, erzeugt von einer automatisierten Daten-Engine, die Expertenkonsens, renderingbasierte Verifikation und gezielte Synthese kombiniert. Das Training beginnt bei Qwen3.5-0.8B und durchläuft nacheinander Q-Mask-Textverankerung, fortgesetztes Pretraining und Reinforcement Learning mit gemischten Aufgaben.
Weitere von Xiaomi veröffentlichte Ergebnisse: 97,84 bei der Formelerkennung UniMER-Test, 92,27 TEDS bei der Tabellenerkennung PubTabNet und im Schnitt 83,2 über fünf Benchmarks für visuelles Frage-Antworten, mehr als die 80,9 von Qwen3.5-2B. Alle diese Werte sind Eigenmessungen des Entwicklers.
Für den Betrieb stehen SGLang oder vLLM zur Wahl, dazu gibt es ein experimentelles Ollama-Paket; das README liefert einen Prompt, mit dem ein Agent die Datei SKILL.md liest und sich selbst installiert. Der seitenbereichsweise Parsing-Modus erfordert zusätzlich PaddlePaddle, PaddleX und PP-DocLayoutV3.
Wo 95,24 und 92,73 auseinandergehen
Interessanter als der Titel „Platz 1“ ist die Spalte Real5-OmniDocBench. Der Datensatz nimmt die 1.355 Dokumentseiten aus OmniDocBench v1.5 und erfasst sie unter fünf Bedingungen neu: Scan, Wölbung, Abfotografieren vom Bildschirm, Beleuchtung und Schräglage. Das ergibt 6.775 Bilder, die realen Fotosituationen deutlich näherkommen als saubere elektronische Dokumente.
In der README-Tabelle steht Xiaomi mit 95,24 vorn, PaddleOCR-VL-1.6 kommt auf 93,19, OvisOCR2 auf 92,29. Die öffentliche Rangliste auf Hugging Face zeigt dagegen eine andere Reihenfolge:
| Rang | Modell | Parameter | Wert in der Rangliste |
|---|---|---|---|
| 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 | nicht veröffentlicht | 89,24 |
Im Diskussionsbereich der Rangliste ist der Hergang festgehalten. Die Seite, die die Auswertung eingereicht hat, erklärte, Real5 müsse mit dem v1.5-Zweig von OmniDocBench bewertet werden. Ein Xiaomi-Forscher antwortete, die eigenen Referenzwerte stammten aus dem v1.6-Code: 95,24 für die zweistufige Pipeline, 93,45 für Ende-zu-Ende; anschließend lieferte er die Rohvorhersagen der zweistufigen Variante. Die Gegenseite rechnete mit v1.5 neu und kam auf eine Gesamtpunktzahl von 92,7863, was dem Wert in der Rangliste im Wesentlichen entspricht. Dieses Ergebnis wurde danach in die Rangliste übernommen.
Beide Seiten halten die Version des Auswertungscodes für den Hauptfaktor; Xiaomi erwähnte zudem, dass auch die vLLM-Inferenzparameter eine Rolle spielen könnten. Wie viel des Abstands zwischen den beiden Versionen tatsächlich auf den Code zurückgeht, wurde in der Diskussion jedoch nicht aufgeschlüsselt.
Auch die Rangliste selbst ist noch nicht final
Das Problem der README-Tabelle ist die Vermischung von Maßstäben: Xiaomis Wert stammt aus dem v1.6-Code, während die Zahlen der beiden Konkurrenten, 93,19 und 92,29, mit der Rangliste übereinstimmen. In derselben Spalte verglichen, ist die Aussage „Platz 1“ nicht haltbar.
Hinzu kommt ein weiterer Hintergrund. Der Real5-Datensatz gehört zur Organisation PaddlePaddle, auch der Spitzenreiter PaddleOCR-VL-1.6 stammt aus deren eigener Entwicklung, und der Layout-Detektor PP-DocLayoutV3, den Xiaomis zweistufiger Ansatz nutzt, kommt ebenfalls aus diesem Ökosystem. Im Diskussionsbereich gibt es keine Anzeichen für eine Bevorzugung bei der Bewertung, und die Neuberechnung ist öffentlich nachvollziehbar, aber eine unabhängige Reproduktion durch Dritte haben wir nicht gefunden.
In der Diskussion erklärte ein Beteiligter auf Seiten des Datensatzes, Real5 werde demnächst aktualisiert, an die neueste OmniDocBench-Version angepasst und mit einheitlichen neuen Kennzahlen versehen. Bis dahin ist es wenig aussagekräftig, wenn Teams ihre Auswahl an einem Abstand von 0,4 Punkten festmachen. Alle diese Modelle lassen sich kostenlos herunterladen; ein Test mit den eigenen Scans und Handyfotos sagt mehr als jede Rangliste.
Quellen: GitHub-Repository und Technikbericht des Xiaomi-Forschungsinstituts; CocoLoop; öffentliche Rangliste von Real5-OmniDocBench und Diskussion auf Hugging Face; mit Ausnahme der Rangliste sind alle Werte Eigenmessungen des Entwicklers.