MiniCPM-OCR-1.0：13 亿参数文档识别模型发布

2026年10月21日，模型 openbmb/MiniCPM-OCR-1.0 在 HuggingFace 上发布，任务类型为 image-text-to-text。这是 MiniCPM-V/o 系列中首个专门面向 OCR 的模型，专注于文档理解：文本、表格、公式、图表、印章以及结构化信息抽取。作者声称其在 Real5-OmniDocBench 上取得 93,68 的成绩，并支持中文和英文文档，包括扫描件、弯曲页面和翻拍照片。

这意味着什么

该模型共有 13 亿参数，最大的权重文件是 2,4 GB 的 model.safetensors，许可证为 apache-2.0。平台上提供了四个量化版本，格式为 GGUF、AWQ 和 GPTQ；其中最小的可用版本是来自 openbmb/MiniCPM-OCR-1.0-gguf 仓库的 Q4_0，大小为 0,5 GB。运行方面声明支持 vLLM、SGLang、llama.cpp 和 Ollama，另有一个采用 DSpark 解码加速的版本，据作者数据，可将端到端处理效率提升 55%。 对于在自己的硬件上本地运行而言，0,5 GB 的 GGUF 版本具有实际意义：它甚至能装入配置不高的 GPU 的显存，并且通过 llama.cpp 或 Ollama 还可以在 CPU 上运行该模型。2,4 GB 的 BF16 全尺寸权重则需要明显更多的资源，但仍在中等消费级显卡的能力范围之内。更多本地 AI 工具动态请见 CPU3D 动态。