小米在 10 月 30 日透過官方帳號正式推廣開源文件模型 Xiaomi-OCR-0，參數量為 0.8B，以 Qwen3.5-0.8B 為基礎，採用 Apache-2.0 授權。權重與技術報告其實在 9 月底就已釋出，這次再加上 MCP 服務與 Agent Skill，算是針對開發者的正式亮相。
官方的說法是，該模型在 OmniDocBench v1.6 的文件解析測試中，名列 10 億參數以下模型第一。這個說法與 README 的表格相符：Xiaomi-OCR-0 得分 96.83，只有 1.2B 的 TeleOCR 以 96.87 小幅領先。
一個模型，三項任務
Xiaomi-OCR-0 把文件解析、關鍵資訊擷取與文字相關的視覺問答整合在同一個模型裡。技術報告指出，訓練語料約 1.7 億筆樣本，由自動化資料引擎產生，結合了專家共識、以算圖為基礎的驗證，以及針對性的合成資料。訓練從 Qwen3.5-0.8B 出發，依序經過 Q-Mask 文字錨定、持續預訓練，以及混合任務強化學習。
小米公布的其他成績包括：UniMER-Test 公式辨識 97.84、PubTabNet 表格辨識 TEDS 92.27，以及五項視覺問答基準測試平均 83.2，高於 Qwen3.5-2B 的 80.9。這些全都是開發方自行測得的結果。
部署方面，可以使用 SGLang 或 vLLM，另有實驗性的 Ollama 套件；README 提供了一段提示詞，讓 Agent 讀取 SKILL.md 後自行安裝。若要使用依頁面分區的解析模式，還得額外安裝 PaddlePaddle、PaddleX 與 PP-DocLayoutV3。
95.24 與 92.73 差在哪裡
比「第一」更值得關注的，是 Real5-OmniDocBench 這一欄。這個資料集取 OmniDocBench v1.5 的 1355 頁文件，分別以掃描、彎曲、螢幕翻拍、光照與傾斜五種條件重新採集，共 6775 張圖片，比乾淨的電子文件更貼近實際拍照的情境。
在 README 的表格中，小米為 95.24 分，PaddleOCR-VL-1.6 為 93.19，OvisOCR2 為 92.29，小米排名第一。但 Hugging Face 上的公開排行榜卻是另一種排序：
| 排名 | 模型 | 參數量 | 排行榜分數 |
|---|---|---|---|
| 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 |
排行榜的討論區留下了事情的經過。提交評測的一方表示，Real5 必須使用 OmniDocBench 的 v1.5 分支來評分。小米研究員回覆，自家的參考值是以 v1.6 程式碼跑出來的：兩階段流程為 95.24，端到端為 93.45，隨後交出了兩階段方案的原始預測。對方改用 v1.5 重算，總分為 92.7863，與排行榜上的數字大致吻合，這個結果之後已併入排行榜。
雙方都認為評測程式碼的版本是主要因素，小米方面還提到 vLLM 的推論參數可能也有影響。不過，兩個版本之間的差距究竟有多少來自程式碼，討論中並沒有拆開計算。
排行榜本身也尚未定案
README 表格的問題在於口徑混用：小米那一格是 v1.6 程式碼算出的分數，而 93.19 與 92.29 這兩個對手的數字則與排行榜一致。放在同一欄比較，「第一名」的結論並不穩固。
這場爭議還有一層背景。Real5 資料集隸屬於 PaddlePaddle 組織，榜首正是它自家的 PaddleOCR-VL-1.6，而小米兩階段方案所用的版面偵測器 PP-DocLayoutV3，同樣出自這個生態系。討論區中沒有跡象顯示評分有所偏頗，重算的過程也是公開的，但我們並未查到獨立第三方的重現結果。
在討論區裡，資料集一方的參與者表示近期會升級 Real5，對齊最新版的 OmniDocBench，並統一推出新指標。在那之前，負責選型的團隊拿 0.4 分的差距下結論意義不大。這些模型都能免費下載，拿自家的掃描檔和手機照片實際跑一遍，比看排行榜更能說明問題。
參考來源：小米研究院 GitHub 儲存庫與技術報告；CocoLoop；Real5-OmniDocBench 公開排行榜與 Hugging Face 討論；除排行榜外，分數均為開發方自行測試的口徑。