MiniCPM-OCR：快速、准确地将文档解析为文本、表格和公式，通过闪电箭头连接文档与结构化结果；decision model 辅助标出需要复核的区域（示意图）。

MiniCPM-OCR 1.0 模型指南 MiniCPM-OCR Jev 模型指南

体验平台（国内 / 海外） · 开始使用 · 模型权重 · 免费 API · Skill · 本地部署 | English
加入社区：飞书 · Discord

**MiniCPM-OCR** 是面向高效文档解析和文字识别的系列模型。**MiniCPM-OCR 1.0** 支持中英文档与 PDF 解析，在扫描、拍照、弯曲和翻拍等复杂场景下兼顾解析质量与处理效率。**MiniCPM-OCR Jev** 对 OCR 解析结果进行区域级质量判断，识别有问题与无问题的区域，可搭配不同解析模型，帮助用户定位需要复核的内容。 ## 📢 最新动态 - **[2026.11.05]** MiniCPM-OCR 1.0 官方 [Docker 镜像](https://hub.docker.com/repository/docker/openbmbofficial/minicpm-ocr/general) 已发布，内置模型权重、SDK 和 vLLM，支持图片与 PDF 的端到端文档解析。部署方式见 [Docker 部署](#docker-deployment)。 - 🔥🔥🔥 **[2026.11.02] MiniCPM-OCR 1.0 现已支持 iOS 端侧运行！** 文档解析全程在设备本地完成，支持离线使用。[立即体验](https://github.com/OpenBMB/MiniCPM-OCR/blob/main/README_zh.md#mobile-demo)。 - **[2026.11.02]** [pip SDK 1.0.4](https://pypi.org/project/minicpm-ocr/1.0.4/) 发布：JSON 输出格式与在线文档解析 API 保持一致，默认自动校正页面方向，并支持 GIF 图片输入。 - **[2026.10.30]** Web Demo 已开源，支持自行部署和中英文界面切换，详见 [Web Demo 部署教程](https://github.com/OpenBMB/MiniCPM-OCR/blob/main/docs/webdemo_deploy_zh.md)。 - **[2026.10.29]** [SDK 1.0.3](https://pypi.org/project/minicpm-ocr/1.0.3/) 发布：Markdown 输出保留图片区域的识别文字，并附上对应裁图的链接；[Skill](https://github.com/OpenBMB/MiniCPM-OCR/blob/main/README_zh.md#skill) 新增 Ollama 部署指南。 - 🚀🚀🚀 **[2026.10.27] MiniCPM-OCR 1.0 与 MiniCPM-OCR Jev 正式发布并开源！** 同步提供[模型权重](https://github.com/OpenBMB/MiniCPM-OCR/blob/main/README_zh.md#model-weights)、[pip SDK](https://pypi.org/project/minicpm-ocr/)、[Skill](https://github.com/OpenBMB/MiniCPM-OCR/blob/main/README_zh.md#skill) 和[免费 API](https://github.com/OpenBMB/MiniCPM-OCR/blob/main/README_zh.md#api)。 ## MiniCPM-OCR 1.0 **MiniCPM-OCR 1.0** (1.3B) 是 [MiniCPM-V/o](https://github.com/openbmb/MiniCPM-V) 家族首个 OCR 专用模型，面向以文字为中心的文档理解，覆盖文本、表格、公式、图表与印章识别和结构化信息抽取。主要特点包括： - 🏆 **SOTA 的文档解析能力**：MiniCPM-OCR 1.0 在真实场景文档解析评测 **Real5-OmniDocBench 上取得 93.68 的 SOTA 成绩**，并在 OmniDocBench v1.6、Wild-OmniDocBench 和 olmOCR-Bench 等评测中展现领先的解析能力。模型支持中英双语文档与 PDF 解析，兼顾标准文档和复杂采集条件，在扫描、弯曲、拍照、倾斜及翻拍等场景下保持稳定表现。 - ⚡ **高效推理。** 基于 DSpark 解码加速（[**DSpark-BF16**](https://huggingface.co/openbmb/MiniCPM-OCR-1.0-DSpark)、[**DSpark-GGUF**](https://huggingface.co/openbmb/MiniCPM-OCR-1.0-DSpark-gguf)），MiniCPM-OCR 1.0 的**端到端处理效率提升 55%**。其处理吞吐量约为 PaddleOCR-VL-1.6 的 **1.49 倍**、MinerU2.5 Pro 的 **3.62 倍**，降低大规模文档解析的时间开销。 - 🔍 **通用识别与信息抽取**：MiniCPM-OCR 1.0 在 **OCRBench v2 上取得 54.7 的 SOTA** 成绩，具备扎实的通用 OCR 能力；**同时支持关键信息抽取（KIE）**，可根据业务需求提取文档中的关键内容，支持后续信息整理与自动化处理。 - 🛠️ **部署与开发友好**：MiniCPM-OCR 1.0 首日**适配 vLLM、SGLang、llama.cpp 和 Ollama**，同步提供多芯片适配与多种量化版本。模型**支持二次微调**，提供 **[pip SDK](https://pypi.org/project/minicpm-ocr/)** 和 **[功能完备的 API](#api)**，方便应用集成与定制开发，也可 **[通过 SKILL.md 快速上手](#skill)**；同时提供在线体验平台（[国内](https://platform.modelbest.cn/console/playground/document-parse) / [海外](https://platform.modelbest.ai/console/playground/document-parse)），方便用户查看解析效果。 ### SOTA 表现，更高吞吐在图示的开源 OCR 模型对比中，MiniCPM-OCR 1.0 的解析吞吐量达到 1.2 pages/s，在 OmniDocBench v1.6、Real5-OmniDocBench、Wild-OmniDocBench 和 olmOCR-Bench 四项文档解析基准上取得最佳综合表现。

_{测试设置与复现说明见 [复现文档](./docs/benchmark_reproduction_zh.md)；各模型的吞吐数值见 [模型指南的吞吐评测](./docs/minicpm_ocr_1dot0_zh.md#吞吐)。} ### 各基准效果对比

点击查看 MiniCPM-OCR 1.0 完整评测结果

各基准柱状图与吞吐明细见 [MiniCPM-OCR 1.0 模型指南](./docs/minicpm_ocr_1dot0_zh.md#评测)。 ### 典型示例

从左至右依次为原始文档、检测到的版面和渲染后的 Markdown。 #### 中文文档

更多中文案例

原图与解析结果对照。

#### 英文文档

更多英文案例

原图与解析结果对照。

## MiniCPM-OCR Jev **MiniCPM-OCR Jev** 是面向文本、公式和表格的 **OCR 正确性决策模型**。输入图像及对应的 OCR 结果，即可获得 **0–1 的质量评分**，用于筛选可靠结果、定位待复核内容。 - 🛡️ **以小胜大**：仅 2B 参数，在 [JevOCRBench](https://huggingface.co/datasets/openbmb/JevOCRBench) 上决策精度 AUROC（×100）达到 93.6，**反超 JEV-35B-A3B（90.1）**，接近 Qwen3.5-397B-A17B（93.8）。 - 🧩 **稳定泛化**：在 MiniCPM-OCR 1.0、GLM-OCR、PaddleOCR-VL-1.6 和 Xiaomi-OCR-0 的解析结果上，AUROC（×100）为 **91.9–93.4**。 ### 评测表现下表展示 JevOCRBench 的整体与分类型 AUROC（×100），数值越高表示区分正确和错误解析结果的能力越强。

### 免检准确率三类文档在不同免检比例下的准确率。

具体阈值的设定建议先在真实场景下进行小批量的验证再确定。 ### 判别示例文本、公式和表格识别结果的 Jev 评分。

使用方法、技术规格、评测结果和效率结果详见 [MiniCPM-OCR Jev 模型指南](./docs/minicpm_ocr_jev_zh.md)。 ## MiniCPM-OCR 使用选择适合你的 MiniCPM-OCR 1.0 和 MiniCPM-OCR Jev 接入方式： ### 文档解析的两阶段流程整页文档解析由 [`minicpm-ocr` SDK](https://pypi.org/project/minicpm-ocr/) 统一编排，采用**两阶段流水线**：两个阶段使用不同的模型，分别运行在相互独立的环境中，也可以部署在不同的机器上： ```mermaid flowchart LR DOC["PDF / 图片"] --> S1 subgraph SDKENV ["minicpm-ocr SDK（独立环境）"] S1["阶段一 · 版面检测
PP-DocLayoutV3 版面模型（PaddlePaddle / PaddleX）
检测区域与阅读顺序并切块"] ASM["拼接输出
按阅读顺序生成 Markdown / JSON"] end subgraph SRVENV ["识别服务（另一套独立环境）"] S2["阶段二 · 区域识别
MiniCPM-OCR 1.0
vLLM / SGLang / llama.cpp / Ollama"] end S1 -- "各区域切块通过 HTTP 逐块发送，
提示词按区域类型选择" --> S2 S2 -- "文本、表格、公式、图表、印章" --> ASM ``` - **阶段一 · 版面检测（SDK 本地运行）**：PP-DocLayoutV3 版面模型检测文档区域（文本、表格、公式、图表、印章等）并分析阅读顺序，SDK 按区域切块。版面检测在 SDK 环境中本地完成，依赖 PaddlePaddle / PaddleX。 - **阶段二 · 区域识别（推理服务）**：SDK 通过 HTTP 将每个切块发送给 MiniCPM-OCR 1.0 推理服务（由 vLLM、SGLang、llama.cpp 或 Ollama 部署），提示词按区域类型选择（`Text Recognition:`、`Table Recognition:`、`Formula Recognition:` 等），识别结果再按阅读顺序拼接为最终的 Markdown / JSON。因此，完整的本地部署需要同时准备**两套环境**：SDK 环境（pip 包 `minicpm-ocr`，并额外安装 PaddlePaddle / PaddleX 以运行版面模型）和所选推理后端的服务环境。[Skill](#skill) 给出了从后端选择、环境安装、模型下载到验证的完整步骤；手动部署的相同步骤见 [SDK 使用教程](./docs/minicpm_ocr_tutorial.md)。各区域提示词与各阶段的详细说明见[文档解析流程](./docs/minicpm_ocr_1dot0_zh.md#文档解析流程)。 ### Skill 让编码 Agent 按 MiniCPM-OCR 1.0 [skill](./docs/SKILL.md) 完成环境配置、模型下载和首次文档解析。将以下指令发送给 Agent： ```text Read and execute https://github.com/OpenBMB/MiniCPM-OCR/blob/main/docs/SKILL.md ``` 让编码 Agent 按 MiniCPM-OCR Jev [skill](./docs/SKILL_jev.md) 完成打分服务的本地部署、启动和验证：Docker 镜像与 SDK 两条路径都覆盖，SDK 支持 vLLM、SGLang、llama.cpp 和 Ollama 四个推理后端。将以下指令发送给 Agent： ```text Read and execute https://github.com/OpenBMB/MiniCPM-OCR/blob/main/docs/SKILL_jev.md ``` 已克隆本仓库时，也可直接使用 `./docs/SKILL.md` 和 `./docs/SKILL_jev.md`。 ### Docker 部署使用 MiniCPM-OCR 1.0 官方 [Docker 镜像](https://hub.docker.com/repository/docker/openbmbofficial/minicpm-ocr/general) 快速部署。镜像内置模型权重、SDK、vLLM 和文档解析后端；Docker Hub 页面提供 OCR 模型接口与端到端文档解析 API 的启动步骤，支持将图片和 PDF 解析为 Markdown / JSON。需要 Linux x86-64、NVIDIA GPU、兼容 CUDA 12.9 的驱动，以及已配置 NVIDIA Container Toolkit 的 Docker。请按镜像页面中的说明选择并启动所需服务。 ### 免费API 通过免费API接入 MiniCPM-OCR 1.0 的识别能力和 MiniCPM-OCR Jev 的质量判别能力。 [MiniCPM-OCR 1.0 API 文档](https://platform.modelbest.cn/console/docs/api/document-parse) · [MiniCPM-OCR Jev API 文档](https://platform.modelbest.cn/console/docs/api/ocr-jev) ### MiniCPM-V Demo — iOS、Android 与 HarmonyOS MiniCPM-OCR 1.0 支持完全在设备本地完成文档解析，离线也能使用。该文档识别功能目前仅在 iOS 上提供。 [端侧 Demo 教程](https://github.com/OpenBMB/MiniCPM-V-Apps/blob/main/README_zh.md) ### 本地部署在自己的设备上运行模型：MiniCPM-OCR 1.0 将 PDF 和图片解析为 Markdown 或 JSON，MiniCPM-OCR Jev 对解析结果评分。 [MiniCPM-OCR 1.0 部署教程](./docs/minicpm_ocr_tutorial.md) · [MiniCPM-OCR Jev 部署教程](./docs/minicpm_ocr_jev_tutorial_zh.md) · [Web Demo 部署教程](./docs/webdemo_deploy_zh.md) ### 模型微调 | 模型 | 微调教程 | | :--- | :--- | | MiniCPM-OCR 1.0 | [LLaMA-Factory](./docs/llamafactory_minicpm_ocr_french.md) · [Swift](./docs/swift_minicpm_ocr_french.md) | | MiniCPM-OCR Jev | [Swift](./docs/finetune_jev_zh.md) | ## 模型权重

模型	简介	主模型权重下载	DSpark 采样头
MiniCPM‑OCR 1.0	面向高效文档解析和文字识别场景，支持中英文档与 PDF 解析，在扫描、拍照、弯曲和翻拍等复杂场景下兼顾解析质量与处理效率。	🤗 BF16 🤗 GGUF 🤗 AWQ 🤗 GPTQ	🤗 BF16 🤗 GGUF
MiniCPM‑OCR Jev	面向文本、公式和表格的 OCR 正确性判别模型，输入图像及 OCR 结果即可获得 0–1 的质量评分。	🤗 BF16 🤗 GGUF 🤗 AWQ 🤗 GPTQ

## 💡 常见问题与排查安装、模型下载、显存、输入格式与输出异常等常见问题汇总在 [FAQ](./docs/faq_zh.md)。 ## 📄 许可本项目整体采用 [Apache License 2.0](./LICENSE) 开源，包括代码、文档，以及 MiniCPM-OCR 1.0、MiniCPM-OCR Jev 等模型权重。