11月2日消息，近日，面壁智能正式发布并开源 MiniCPM 家族首款 OCR 系列模型 MiniCPM‑OCR，包含 1.3B 参数文档解析模型 MiniCPM‑OCR 1.0，以及业内首个 OCR 解析结果判别决策模型 MiniCPM‑OCR Jev（2B），瞄准产业文档解析中效率不足、结果可信度难以保障两大行业痛点，为法律、金融、政务、医疗等知识密集行业提供端侧可用、可自检的文档智能解决方案。

OCR 作为将纸质、图像载体信息转为机器可读数据的核心技术，是大模型落地千行百业的第一道入口。但当前行业仍面临三大现实难题：高敏感行业要求数据本地运行，同时海量文档对算力、吞吐效率提出严苛要求；公开评测高分无法保证单份文档零错误，大量人力消耗在全量结果核验环节；现实文档存在弯曲倾斜、阴影、摩尔纹等复杂拍摄干扰，标准扫描件表现优异的模型落地成本居高不下。

本次发布的 MiniCPM‑OCR 1.0（1.3B）在多项权威评测基准取得 SOTA 成绩。在侧重真实拍摄复杂场景的 Real5‑OmniDocBench 拿到 93.68 分，通用 OCR 评测 OCRBench v2 得分 54.7 分，较次优模型高出 7.7 分。横向对比 14 款主流 OCR 模型，该模型在六项评测基准中的四项斩获第一，其余项目也稳居第一梯队。

效率层面，依托自研 DSpark 解码加速技术，模型端到端处理效率提升 55%，吞吐为原先 1.6 倍。在 RTX 5090 硬件条件下实测，吞吐量可达 1.217 页 / 秒，分别达到 PaddleOCR‑VL‑1.6 的 1.49 倍、MinerU2.5 Pro 的 3.62 倍，实现识别精度与处理速度双向领先。

本次发布的一大创新，是 2B 参数的判别模型 MiniCPM‑OCR Jev，它不负责文本识别，而是充当 OCR 系统的 “AI 质检员”：输入原始文档图像与对应 OCR 解析结果，输出 0‑1 之间可信度评分，覆盖文本、公式、表格三大内容类型。

在 JevOCRBench 评测中，MiniCPM‑OCR Jev 整体 AUROC 达到 93.6，其中文本 94.6、公式 93.1、表格 91.1，性能超越 35B 级专用判别模型，接近数百亿参数大模型判别水平。该模型不绑定特定 OCR 解析引擎，可即插即用适配多款主流 OCR 系统。

在业务流程中，Jev 可实现两种实用落地模式。一是自动筛选减负人工核验，企业设定可信度阈值后，高分结果自动入库，仅存疑内容流转人工复核。实测场景下，在保障免检结果准确率接近 100% 前提下，法律文书最高可实现 85.0% 内容免检，财务票据免检比例 56.2%，复杂文档也可达到 35.1% 免检率。二是多模型择优，调用多个 OCR 引擎输出解析候选，由 Jev 逐区域打分选出最优结果输出，可进一步拉高文档解析整体质量。

技术实现上，MiniCPM‑OCR 1.0 基于 MiniCPM‑V 4.6 多模态基座训练，复用既有文档预训练数据；采用 LLaVA‑UHDv4 视觉分片方案，搭配自动纠偏 Upright、自适应上采样 Upsize 模块，解决高分辨率密集文档的处理难题；通过真实种子数据结合 Agentic 数据合成扩充样本，再配合复杂场景强化学习优化识别效果；DSpark 草稿解码方案则进一步压低推理耗时。

而 Jev 模型采用 System1 快思考设计，无需自回归文本生成，仅单次前向计算即可输出评分，推理延迟极低，适合嵌入工业流水线做实时质量门禁，模型训练依托大量人工标注的文档块正误标签，输出分数可直接作为业务阈值依据。

目前该系列模型已经在金融、财税、法务、医疗等行业落地，能够本地完成合同、票据、病历、报表等文件解析，还原表格与版面结构，输出 Markdown 或结构化字段，同时搭配 Jev 完成质量校验，可处理印章遮挡、复杂公式、多栏版式、手写内容、老旧文献等各类复杂中英文文档。

开源生态方面，MiniCPM‑OCR 1.0 与 MiniCPM‑OCR Jev 权重已全部开放。发布首日完成 vLLM、SGLang、llama.cpp、Ollama 主流推理框架适配，提供多量化版本，配套 Hugging Face 调用工具、SDK、API、WebDemo，同时开放微调能力，方便开发者做垂直领域定制。硬件生态实现 AMD、Arm、Intel、NVIDIA、华为昇腾、海光、昆仑芯等共计 12 个平台 Day0 适配。

据面壁智能介绍，后续 MiniCPM‑OCR 系列将拓展多语言能力，优化极端复杂采集条件下的解析效果，深化行业流水线适配；持续迭代 Jev 质检能力，并探索将可信度判别能力推广到更广的文档处理链路，持续推进端侧高效文档智能技术落地。