Em 30 de outubro, a Xiaomi promoveu oficialmente, por meio de sua conta oficial, o modelo de documentos de código aberto Xiaomi-OCR-0, com 0,8 bilhão de parâmetros, baseado no Qwen3.5-0.8B e licenciado sob Apache-2.0. Na verdade, os pesos e o relatório técnico já haviam sido divulgados no fim de setembro; desta vez vieram junto um serviço MCP e um Agent Skill, o que faz do evento uma estreia oficial voltada a desenvolvedores.
Segundo a empresa, o modelo ficou em 1º lugar entre os modelos com menos de 1 bilhão de parâmetros no teste de análise de documentos OmniDocBench v1.6. A afirmação confere com a tabela do README: o Xiaomi-OCR-0 marca 96,83, e apenas o TeleOCR, de 1,2B, fica ligeiramente acima, com 96,87.
Um modelo, três tarefas
O Xiaomi-OCR-0 reúne análise de documentos, extração de informações-chave e perguntas e respostas visuais ligadas a texto em um único modelo. O relatório técnico diz que o corpus de treinamento tem cerca de 170 milhões de amostras, geradas por um mecanismo automatizado de dados que combina consenso de especialistas, verificação baseada em renderização e síntese direcionada. O treinamento parte do Qwen3.5-0.8B e passa, em sequência, por ancoragem de texto Q-Mask, pré-treinamento contínuo e aprendizado por reforço com tarefas mistas.
Outros resultados divulgados pela Xiaomi: 97,84 no reconhecimento de fórmulas UniMER-Test, 92,27 de TEDS no reconhecimento de tabelas PubTabNet e média de 83,2 em cinco benchmarks de perguntas e respostas visuais, acima dos 80,9 do Qwen3.5-2B. Todos são testes feitos pelo próprio desenvolvedor.
Na implantação, é possível usar SGLang ou vLLM, e há também um pacote experimental para Ollama; o README traz um prompt para que um Agent leia o SKILL.md e se instale sozinho. O modo de análise por regiões da página exige instalar ainda PaddlePaddle, PaddleX e PP-DocLayoutV3.
Onde 95,24 e 92,73 se separam
Mais interessante do que o “primeiro lugar” é a coluna Real5-OmniDocBench. Esse conjunto de dados recaptura as 1.355 páginas de documentos do OmniDocBench v1.5 em cinco condições: digitalização, curvatura, foto de tela, iluminação e inclinação, num total de 6.775 imagens, mais próximas de cenas reais de fotografia do que documentos eletrônicos limpos.
Na tabela do README, a Xiaomi tem 95,24, o PaddleOCR-VL-1.6 tem 93,19 e o OvisOCR2 tem 92,29, com a Xiaomi em 1º. O ranking público no Hugging Face, porém, mostra outra ordem:
| Posição | Modelo | Parâmetros | Pontuação no 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 | não divulgado | 89,24 |
A área de discussão do ranking registra o que aconteceu. Quem submeteu a avaliação disse que o Real5 precisa ser pontuado com o ramo v1.5 do OmniDocBench. Um pesquisador da Xiaomi respondeu que os valores de referência da empresa foram obtidos com o código v1.6: 95,24 no fluxo em dois estágios e 93,45 de ponta a ponta, e em seguida entregou as previsões brutas do fluxo em dois estágios. A outra parte recalculou com a v1.5 e chegou a uma pontuação total de 92,7863, praticamente igual ao número do ranking. Esse resultado foi depois incorporado ao ranking.
Os dois lados consideram a versão do código de avaliação o fator principal, e a Xiaomi mencionou ainda que os parâmetros de inferência do vLLM podem ter influência. Mas quanto da diferença entre as duas versões se deve ao código, a discussão não chegou a decompor.
O próprio ranking ainda não está definido
O problema da tabela do README é a mistura de critérios: o valor da Xiaomi é a pontuação do código v1.6, enquanto os números dos dois concorrentes, 93,19 e 92,29, coincidem com os do ranking. Comparados na mesma coluna, a conclusão de “primeiro lugar” não se sustenta.
A polêmica tem ainda outro pano de fundo. O conjunto Real5 pertence à organização PaddlePaddle, o líder do ranking é o PaddleOCR-VL-1.6, da própria casa, e o detector de layout PP-DocLayoutV3, usado na abordagem em dois estágios da Xiaomi, vem do mesmo ecossistema. Na discussão não há indício de viés na pontuação, e o processo de recálculo é público, mas não encontramos reprodução independente de terceiros.
Na discussão, um participante do lado do conjunto de dados disse que o Real5 será atualizado em breve, alinhado à versão mais recente do OmniDocBench, com novos indicadores unificados. Até lá, equipes que escolhem um modelo com base numa diferença de 0,4 ponto têm pouca base para concluir algo. Todos esses modelos podem ser baixados gratuitamente; rodá-los em seus próprios documentos digitalizados e fotos de celular diz mais do que qualquer ranking.
Fontes: repositório do GitHub e relatório técnico do instituto de pesquisa da Xiaomi; CocoLoop; ranking público do Real5-OmniDocBench e discussão no Hugging Face; exceto o ranking, todas as pontuações são medições do próprio desenvolvedor.