샤오미는 10월 30일 공식 계정을 통해 오픈소스 문서 모델 Xiaomi-OCR-0을 정식으로 알렸다. 파라미터는 0.8B이고 Qwen3.5-0.8B를 기반으로 하며 Apache-2.0 라이선스를 쓴다. 가중치와 기술 보고서는 사실 9월 말에 이미 공개됐고, 이번에는 MCP 서버와 Agent Skill을 함께 내놓아 개발자를 겨냥한 공식 데뷔 성격을 띤다.
샤오미는 OmniDocBench v1.6 문서 파싱 테스트에서 10억 파라미터 미만 모델 중 1위라고 설명한다. 이 주장은 README의 표와 맞는다. Xiaomi-OCR-0은 96.83점이고, 1.2B 규모의 TeleOCR만 96.87점으로 근소하게 앞선다.
모델 하나, 세 가지 작업
Xiaomi-OCR-0은 문서 파싱, 핵심 정보 추출, 텍스트 중심의 시각 질의응답을 하나의 모델에서 처리한다. 기술 보고서에 따르면 학습 코퍼스는 약 1억 7천만 개 샘플로, 전문가 합의, 렌더링 기반 검증, 표적 합성을 결합한 자동화 데이터 엔진이 만들었다. 학습은 Qwen3.5-0.8B에서 출발해 Q-Mask 텍스트 앵커링, 지속적 사전 학습, 혼합 작업 강화학습을 차례로 거쳤다.
샤오미가 공개한 다른 성적으로는 UniMER-Test 수식 인식 97.84, PubTabNet 표 인식 TEDS 92.27, 시각 질의응답 벤치마크 5종 평균 83.2가 있으며, 마지막 수치는 Qwen3.5-2B의 80.9보다 높다. 모두 개발사가 직접 측정한 결과다.
배포는 SGLang이나 vLLM으로 할 수 있고, 실험적인 Ollama 패키지도 있다. README에는 에이전트가 SKILL.md를 읽고 스스로 설치하도록 하는 프롬프트가 들어 있다. 페이지 영역별 파싱 모드를 쓰려면 PaddlePaddle, PaddleX, PP-DocLayoutV3를 추가로 설치해야 한다.
95.24와 92.73은 왜 다른가
'1위'라는 주장보다 눈길을 끄는 것은 Real5-OmniDocBench 열이다. 이 데이터셋은 OmniDocBench v1.5의 문서 1355쪽을 스캔, 휘어짐, 화면 재촬영, 조명, 기울임이라는 다섯 가지 조건으로 다시 수집한 것으로, 총 6775장의 이미지로 이뤄진다. 깨끗한 전자 문서보다 실제 촬영 환경에 가깝다.
README 표에서는 샤오미가 95.24점, PaddleOCR-VL-1.6이 93.19점, OvisOCR2가 92.29점으로 샤오미가 1위다. 그러나 Hugging Face의 공개 순위표는 순서가 다르다.
| 순위 | 모델 | 파라미터 | 순위표 점수 |
|---|---|---|---|
| 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 | 미공개 | 89.24 |
순위표 토론 게시판에 경위가 남아 있다. 평가를 제출한 쪽은 Real5를 반드시 OmniDocBench의 v1.5 브랜치로 채점해야 한다고 말했다. 샤오미 연구원은 자사 기준값이 v1.6 코드로 돌린 것이라며 2단계 파이프라인 95.24, 엔드투엔드 93.45라고 답했고, 이어 2단계 방식의 원본 예측 결과를 넘겼다. 상대 측이 v1.5로 다시 계산한 총점은 92.7863으로, 순위표의 수치와 거의 같았다. 이 결과는 이후 순위표에 반영됐다.
양측 모두 평가 코드 버전이 주된 요인이라고 보고 있으며, 샤오미 측은 vLLM 추론 파라미터도 영향을 줄 수 있다고 언급했다. 다만 두 버전 사이의 차이 가운데 코드 때문에 생기는 몫이 얼마인지는 토론에서 따로 분해해 계산하지 않았다.
순위표 자체도 아직 확정되지 않았다
README 표의 문제는 기준이 섞여 있다는 점이다. 샤오미 칸은 v1.6 코드로 낸 점수인 반면, 경쟁 모델의 93.19와 92.29는 순위표와 같은 수치다. 같은 열에 놓고 비교하면 1위라는 결론은 성립하기 어렵다.
이번 논란에는 또 하나의 배경이 있다. Real5 데이터셋은 PaddlePaddle 조직 소유이고, 1위도 이 조직의 PaddleOCR-VL-1.6이다. 샤오미의 2단계 방식이 쓰는 레이아웃 검출기 PP-DocLayoutV3 역시 같은 생태계에서 나왔다. 토론에서 채점에 편향이 있다는 정황은 보이지 않고 재계산 과정도 공개돼 있지만, 독립적인 제3자의 재현은 확인하지 못했다.
토론에서 데이터셋 쪽 참여자는 조만간 Real5를 최신 OmniDocBench에 맞춰 업그레이드하고 지표를 새로 통일하겠다고 밝혔다. 그때까지는 모델을 고르는 팀이 0.4점 차이로 결론을 내리는 것은 의미가 크지 않다. 이 모델들은 모두 무료로 내려받을 수 있으니, 자체 스캔본과 휴대폰 사진으로 직접 돌려 보는 편이 순위표보다 더 많은 것을 알려 준다.
참고 출처: 샤오미 연구원 GitHub 저장소와 기술 보고서, CocoLoop, Real5-OmniDocBench 공개 순위표 및 Hugging Face 토론. 순위표를 제외한 점수는 모두 개발사 자체 측정 기준.