MiniCPM-OCR-1.0: модель на 1,3 млрд параметров для распознавания документов вышла на

21 октября 2026 года на HuggingFace опубликована модель openbmb/MiniCPM-OCR-1.0 с задачей image-text-to-text. Это первая OCR-специфичная модель в семействе MiniCPM-V/o, ориентированная на понимание документов: текст, таблицы, формулы, графики, печати и извлечение структурированной информации. Автор заявляет результат 93,68 на Real5-OmniDocBench и поддержку китайских и английских документов, включая сканы, изогнутые страницы и переснятые фотографии.

Что это значит

Модель насчитывает 1,3 млрд параметров, самый большой файл весов — model.safetensors на 2,4 ГБ, лицензия — apache-2.0. На площадке лежат четыре квантованные сборки в форматах GGUF, AWQ и GPTQ; самая компактная рабочая — Q4_0 на 0,5 ГБ из репозитория openbmb/MiniCPM-OCR-1.0-gguf. Для запуска заявлены vLLM, SGLang, llama.cpp и Ollama, плюс вариант с DSpark-ускорением декодирования, который, по данным автора, повышает сквозную эффективность обработки на 55%. Для локального запуска на своём железе практический интерес представляет GGUF-сборка на 0,5 ГБ: она помещается в видеопамять даже скромных GPU, а через llama.cpp или Ollama модель можно поднять и на CPU. Полноразмерные веса на 2,4 ГБ в BF16 потребуют заметно больше ресурсов, но тоже остаются в пределах возможностей потребительских видеокарт среднего уровня. Подробнее о новостях локальных ИИ-инструментов — в ленте CPU3D.