El 30 de octubre, Xiaomi promocionó oficialmente desde su cuenta oficial el modelo de documentos de código abierto Xiaomi-OCR-0, de 0,8.000 millones de parámetros, basado en Qwen3.5-0.8B y con licencia Apache-2.0. En realidad, los pesos y el informe técnico se habían publicado a finales de septiembre; esta vez se añadieron un servicio MCP y un Agent Skill, así que se trata de una presentación oficial dirigida a desarrolladores.
Según la compañía, el modelo ocupa el primer puesto entre los de menos de 1.000 millones de parámetros en la prueba de análisis de documentos OmniDocBench v1.6. La afirmación concuerda con la tabla del README: Xiaomi-OCR-0 obtiene 96,83, y solo TeleOCR, de 1,2B, lo supera ligeramente con 96,87.
Un modelo, tres tareas
Xiaomi-OCR-0 reúne en un solo modelo el análisis de documentos, la extracción de información clave y las preguntas y respuestas visuales sobre texto. El informe técnico indica que el corpus de entrenamiento ronda los 170 millones de muestras, generadas por un motor de datos automatizado que combina consenso de expertos, verificación basada en renderizado y síntesis dirigida. El entrenamiento parte de Qwen3.5-0.8B y pasa sucesivamente por anclaje de texto Q-Mask, preentrenamiento continuo y aprendizaje por refuerzo con tareas mixtas.
Otros resultados que Xiaomi ha publicado: 97,84 en reconocimiento de fórmulas UniMER-Test, 92,27 de TEDS en reconocimiento de tablas PubTabNet y una media de 83,2 en cinco pruebas de preguntas y respuestas visuales, por encima de los 80,9 de Qwen3.5-2B. Todos son resultados medidos por el propio desarrollador.
Para el despliegue se puede usar SGLang o vLLM, y también hay un paquete experimental para Ollama; el README ofrece un prompt para que un Agent lea SKILL.md y se instale por sí mismo. El modo de análisis por zonas de la página requiere instalar además PaddlePaddle, PaddleX y PP-DocLayoutV3.
Dónde se separan 95,24 y 92,73
Más interesante que el “primer puesto” es la columna Real5-OmniDocBench. Este conjunto de datos recaptura las 1.355 páginas de documentos de OmniDocBench v1.5 en cinco condiciones: escaneo, curvatura, foto de pantalla, iluminación e inclinación, con un total de 6.775 imágenes, más cercanas a escenas reales de fotografía que los documentos electrónicos limpios.
En la tabla del README, Xiaomi tiene 95,24, PaddleOCR-VL-1.6 tiene 93,19 y OvisOCR2 tiene 92,29, con Xiaomi en cabeza. El ranking público de Hugging Face, sin embargo, muestra otro orden:
| Puesto | Modelo | Parámetros | Puntuación en el ranking |
|---|---|---|---|
| 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 | no divulgado | 89,24 |
La sección de debate del ranking deja constancia de lo ocurrido. La parte que envió la evaluación dijo que Real5 debe puntuarse con la rama v1.5 de OmniDocBench. Un investigador de Xiaomi respondió que sus valores de referencia se obtuvieron con el código v1.6: 95,24 en el flujo de dos etapas y 93,45 de extremo a extremo, y a continuación entregó las predicciones originales del flujo de dos etapas. La otra parte las recalculó con v1.5 y obtuvo una puntuación total de 92,7863, prácticamente igual a la cifra del ranking. Ese resultado se fusionó después en el ranking.
Ambas partes consideran que la versión del código de evaluación es el factor principal, y Xiaomi añadió que los parámetros de inferencia de vLLM también podrían influir. Sin embargo, cuánto de la diferencia entre las dos versiones se debe al código no se llegó a desglosar en la discusión.
El propio ranking tampoco está cerrado
El problema de la tabla del README es que mezcla criterios: la casilla de Xiaomi es la puntuación con el código v1.6, mientras que las cifras de los dos rivales, 93,19 y 92,29, coinciden con las del ranking. Comparadas en la misma columna, la conclusión de “primer puesto” no se sostiene.
La polémica tiene además otro trasfondo. El conjunto de datos Real5 pertenece a la organización PaddlePaddle, el líder del ranking es su propio PaddleOCR-VL-1.6, y el detector de diseño PP-DocLayoutV3 que usa el enfoque de dos etapas de Xiaomi procede del mismo ecosistema. En el debate no hay indicios de sesgo en la puntuación y el proceso de recálculo es público, pero no hemos encontrado una reproducción independiente de terceros.
En el debate, un participante de la parte del conjunto de datos indicó que Real5 se actualizará próximamente, alineándose con la última versión de OmniDocBench y unificando los nuevos indicadores. Hasta entonces, que los equipos que eligen modelo saquen conclusiones de una diferencia de 0,4 puntos tiene poco sentido. Todos estos modelos se pueden descargar gratis; probarlos con los propios escaneos y fotos del móvil dice más que cualquier ranking.
Fuentes: repositorio de GitHub e informe técnico del instituto de investigación de Xiaomi; CocoLoop; ranking público de Real5-OmniDocBench y debate en Hugging Face; salvo el ranking, todas las puntuaciones son mediciones del propio desarrollador.