OpenBMB（面壁智能）MiniCPM-V/o 系列第一个 OCR 专用模型，1.3B 参数，在 MiniCPM-V 4.6 上训练（SigLIP 视觉编码器 + Qwen3.5 语言模型）；配合 PP-DocLayoutV3 版面模型和 SDK，把中英文 PDF、扫描件、拍照的弯曲或倾斜页面解析成按阅读顺序排列的 Markdown，也能识别表格、公式、图表、印章和抽取指定字段。
上升分 158 · 点赞 262 · 下载量 791
理由
- 官方称 Real5-OmniDocBench 93.68、OCRBench v2 54.7，在 OmniDocBench v1.6、Wild-OmniDocBench、olmOCR-Bench 上也领先，四个基准的等权平均在对比的开源模型里最高。
- 官方称在 RTX 5090 上用 OmniDocBench v1.6 全部 1651 张图测得 1.2 页/秒；开 DSpark 解码加速后端到端效率提升 55%，吞吐约为 PaddleOCR-VL-1.6 的 1.49 倍、MinerU2.5 Pro 的 3.62 倍。
- 首发就支持 vLLM、SGLang、llama.cpp、Ollama，有 GGUF、AWQ、GPTQ 版本和 LLaMA-Factory、ms-swift 微调教程；Apache-2.0，10 月 21 日发布，此前各期没有收录。上升分 158 只代表关注度。
用法
- 在线试：HF Space openbmb/MiniCPM-OCR 或官方平台；本地推荐 GitHub OpenBMB/MiniCPM-OCR 的 minicpmvocr SDK（默认开 DSpark）：读入 PDF 或图片，先检测版面，再逐区域识别并拼成 Markdown，后端可选 vLLM、SGLang、llama.cpp、Ollama、Transformers。
- 按区域用固定提示词：Text Recognition:（正文，行内公式出 LaTeX）、Table Recognition:（表格，经 SDK 转 HTML）、Formula Recognition:、Seal Recognition:、Chart to Table:；抽字段写 Extract the "字段名", ... 并要求输出 JSON，图里没有的项填 ###。
- DSpark 草稿模型必须和同一版本的主模型配对使用；仓库另附一份可让编程代理照着装环境、跑第一份文档的 SKILL 文档。
风险
- 模型卡没写显存需求（指向 FAQ）；主要语言只有中文和英文。
- 分数和吞吐为官方自测，对比时各家用的是各自的加速配置，官方也说不同基准的分数不能直接比较。
- 完整的版面解析依赖 PP-DocLayoutV3 和 SDK，不是单个模型端到端完成。
编辑：同为 1.3B 文档解析模型的 SoMarkAI OXR-1.0 也在本期榜上，但模型卡的成绩只在图片里，本期让位。