10月30日晚，"小米开源0.8B参数OCR模型并打通多项任务"的话题冲上知乎热榜，IT之家、快科技等媒体同步报道：这个0.8B的小模型可同时覆盖文档解析、关键信息抽取与视觉问答，性能在1B以下模型中登顶，权重与推理代码已开放。 但对想本地部署的人来说，真正的门槛数字比新闻标题更有信息量：社区量化版全套文件不到715MB，集显笔记本实测全流程约1.5GB内存，单页耗时4到17秒。官方榜单成绩确实排进了同类第一梯队，但这些分数来自两阶段评测流水线，实际使用仍有具体的出错点。微博IT之家
严格说，Xiaomi-OCR-0的技术报告与权重早在9月30日就已发布，10月30日是官方账号集中宣布、国内下载入口正式统一。 发布方SeerRay-Lab是小米旗下的开源模型实验室。 小米官方账号"小米技术"给出的产品定义是：仅0.8B参数，融合文档解析、关键信息抽取、OCR视觉问答三大能力，让AI从"识别文字"走向"理解文档"。 技术路线上，模型从Qwen3.5-0.8B出发，在约1.7亿条OCR样本上继续预训练并做混合任务强化学习，表格输出结构化Markdown、信息抽取输出JSON，仓库自带MCP服务，可以被AI Agent直接当工具调用。GitHub知乎小红书
本地部署有三条路。最轻的是不装：Hugging Face有在线Demo，官方文档还给了一行口令，复制给Claude、Cursor这类Agent就能自动装环境、下模型。最实在的是llama.cpp路线：社区转制的Q4_K_M量化文件517MB，加上必需的视觉投影文件198MB，合计715MB。 这条路线CPU或核显经Vulkan就能跑，不必碰独立显卡，转制者在Intel Core Ultra 7 258V的集显笔记本上实测，含缓存的推理进程约占1507MB内存，发票页7.6秒、手写页8.9秒、公式密集页16.5秒。GitHub
要提醒的是Intel NPU用户：这条路走不通——它是自回归视觉语言模型，图像token数和输出长度都是动态的，而NPU插件要求编译期固定张量形状。官方推荐的vLLM/SGLang部署则基本意味着一块N卡，且运行时版本要支持Qwen3_5架构；想用"区域解析"模式，还得额外装PaddleX版面检测模型。Ollama有一条社区BF16包（约1.8GB），但官方明确标注"实验性"：在Apple Silicon的7个样例校验里，只有5个输出与原版逐字一致，另外2个在公式上存在差异。GitHub
榜单成绩方面，Real5-OmniDocBench上95.24分，位列官方对比表第一。 该榜考察扫描、页面变形、屏幕翻拍、光照变化、倾斜五种真实拍摄条件，比干净扫描件更贴近日常拍照。Wild-OmniDocBench上得分为87.94分，与OmniDocBench v1.6的96.83分一样在对比中排第二。 其余各项：公式识别UniMER-Test 97.84分、表格PubTabNet 92.27分，古文书法73分与商用的Seed 2.0 Pro（72分）相当；五项OCR视觉问答平均83.2分，超过2B参数的Qwen3.5-2B（80.9分）。GitHub知乎
但"登顶"两个字有三个限定，读分数前要先读方法。三个文档解析成绩全部采用两阶段方法：先做版面检测裁块、再逐块识别，端到端单跑并不自动等于这个分数。 同一张官方对比表里，1.2B的TeleOCR在OmniDocBench v1.6（96.87分）和Wild（88.53分）两项都略高于它，"第一"只落在Real5一项上。官方还明确写明，社区GGUF量化转换未经评测，Ollama的校验也不确立基准成绩——榜单成绩属于原始BF16权重加官方流水线。GitHub
真实使用有成色，有两篇独立实测可以交叉验证。律师开发者李伯阳把模型转成NInfer后端做本地法律OCR，作者自述"在速度最多提升3倍的基础上，正确率完全一致，和原生BF16模型没有任何差异"。 他的实测PPT平均0.7秒一页、论文1.8秒一页，这个转换随后被官方仓库公开致谢收录。 集显路线的量化损耗也有硬核数据：Q4_K_M与f16在发票、公式、手写、抽取四类页面上的逐字符相似度为96.6%至100%，公式页仅有的两处差异，转制者核查后的结论是"不是退化"，其中一处量化版反而把下标写成了正确的LaTeX。知乎GitHubGitHub
真正的坎不在量化，在任务本身。0.8B模型会认错形近字符，实测中出现过把金额"¥128,450.00"读成"￥128.450.00"的案例，转制者建议金额、证件号这类关键字段必须独立校验。 上下文也是硬约束：A4页按150DPI渲染就要吃掉1100到2300个输入token，几十页的文档只能逐页切分开跑。官方README同时提醒，场景文字、手写、古籍和不规则版式要用整页解析，区域检测框一旦圈错边界会直接丢失上下文。 把这些数字拼齐之后，结论比较清楚：Xiaomi-OCR-0把"跑不起来"的门槛基本拆掉了——715MB文件、1.5GB内存、CPU也行，对涉密卷宗、本地知识库这类不能上传文件的场景是实打实的刚需；而10月下旬百度3B的Unlimited-OCR-2、面壁1.3B的MiniCPM-OCR相继开源，专用小参数OCR的竞争已经白热化。但"完全可信"的门槛还在：把它当成高速初稿引擎，金额和关键字段留给人复核，目前的成绩和实测支持这么用；把它当成零监督的质检员，则都不支持。GitHubGitHub
