تبدأ 23 نوفمبرالدفعة المباشرة 3 من Vibe Coding ووكلاء الذكاء الاصطناعي: 3 أسابيع و9 جلسات حيةالدفعة 3 (23.11) →
إصدارتحليل · على الرادارTG: @bezsmuzi (Русский ИТ бизнес)→ المصدر

شاومي تطلق نموذج OCR مجانيًا بـ800 مليون معلمة يتفوق على Qwen3.5-2B

أطلقت شاومي نموذج OCR مجانيًا، أي شبكة عصبية تقرأ النص في المستندات الممسوحة وصور الوثائق وتحوّله إلى نص قابل للتحرير. يبلغ حجم Xiaomi OCR-0 نحو 800 مليون معلمة فقط (وهذا مقياس حجم النموذج)، لكنه تفوّق في الاختبارات على Qwen3.5-2B الذي يضم 2 مليار معلمة، أي أنه أكبر منه بمقدار 2,5 مرة. يُخرج النموذج النص بصيغة Markdown، والمعادلات بصيغة LaTeX، والحقول المطلوبة بصيغة JSON. لذلك يستحق التجربة على مستنداتك الخاصة إذا كنت تتعامل مع عقود وفواتير تحتوي على بيانات سرية.

معالج بواسطة الذكاء الاصطناعي من TG: @bezsmuzi (Русский ИТ бизнес)؛ بتحرير Hamidun News
شاومي تطلق نموذج OCR مجانيًا بـ800 مليون معلمة يتفوق على Qwen3.5-2B
المصدر: TG: @bezsmuzi (Русский ИТ бизнес). كولاج: Hamidun News.
استمع للمقال
بطاقة الحقائق والأرقام
المعيارالتفاصيل
المصدر الأصليTG: @bezsmuzi (Русский ИТ бизнес) ↗
رئيس التحرير
حقيقة رئيسية #1شيفرة مفتوحة المصدر، والنموذج متاح على Hugging Face
تشغيل محليلا تُرسل المستندات إلى أي خدمات خارجية
حقيقة رئيسية #3ينقل النصوص والجداول والمعادلات إلى صيغة قابلة للتحرير

تخيّل أرشيفًا من ألف نسخة ممسوحة ضوئيًا من العقود والفواتير: يرى الحاسوب فيها مجرد صور، بينما تحتاج أنت إلى الأرقام والتواريخ والمبالغ في جدول. هذه هي المهمة التي تتولاها تقنية OCR، أي التعرف على النص داخل الصور. أطلقت شاومي نموذج OCR مجانيًا باسم Xiaomi OCR-0 بحجم 800 مليون معلمة. المعلمات هي «الإعدادات» الداخلية للشبكة العصبية، وكلما قلّ عددها أصبح النموذج أرخص وأسرع في التشغيل. وبحسب الشركة، تفوّق النموذج في الاختبارات على Qwen3.5-2B، وهو نموذج يضم 2 مليار معلمة، أي أنه أكبر منه بمقدار 2,5 مرة. الشيفرة مفتوحة، ويمكن تشغيل النموذج لديك دون إرسال المستندات إلى السحابة.

ما الذي يستطيع Xiaomi OCR-0 فعله

يتعرف النموذج على النص في الصور والمستندات الممسوحة، ويستخرج البيانات من الوثائق، ويجيب عن الأسئلة المتعلقة بمحتواها. وبحسب وصف شاومي، يعمل في ثلاثة أوضاع رئيسية.

الأول هو نقل المحتوى إلى صيغة قابلة للتحرير. تتحول النصوص والجداول والمعادلات الموجودة في الصورة إلى شيء يمكن العمل عليه لاحقًا، بدلًا من مجموعة أسطر متفرقة.

الثاني هو التحويل إلى لغة ترميز. يتحول المستند إلى Markdown (نص بسيط بعناوين وقوائم)، وتُكتب المعادلات الرياضية بصيغة LaTeX (الصيغة القياسية للمعادلات في النصوص العلمية). وهذا مفيد للمطورين: يمكن وضع هذا النص مباشرة في قاعدة معرفة، أو فهرسته لأغراض RAG، أو نشره في التوثيق.

الثالث هو استخراج المعلومات المطلوبة إلى JSON. افترض أن لديك مئات الفواتير من موردين مختلفين. بدلًا من كتابة مجموعة تعابير نمطية (regex) لكل قالب، تطلب من النموذج رقم الفاتورة وتاريخها ومبلغها، فتحصل على استجابة منظمة يمكن تحميلها في نظام المحاسبة.

لماذا يهم حجم الـ800 مليون معلمة

الرقم الأبرز في الإعلان هو الحجم. وهو مهم في OCR: فكلما كان النموذج أصغر، أصبحت معالجة تدفقات كبيرة من الصفحات أرخص وأسرع، وسهل تشغيله على خادم عادي أو حاسوب محمول قوي. وإذا كان النموذج أصغر من منافسه بمقدار 2,5 مرة ولا يتأخر عنه في الاختبارات، فقد تنخفض فاتورة العتاد بشكل ملحوظ.

ثمة تحفظ مهم: لا يتضمن الإعلان الأصلي جدولًا بالنتائج، ولا يوضح على أي مجموعات من المستندات أُجريت الاختبارات، ولا حجم الفارق. حتى الآن هذا ادعاء من شاومي نفسها وليس تحققًا مستقلًا. كما لا توجد معلومات عن الترخيص، سوى أن الشيفرة المصدرية مفتوحة.

ما الذي يغيّره هذا عمليًا

يزيل التشغيل المحلي أكثر الأسئلة إزعاجًا: أين ستنتهي المستندات؟ بالنسبة للمحامين والمحاسبين والقطاع الطبي والبنوك وكل من يتعامل مع البيانات الشخصية، كثيرًا ما يصطدم إرسال المستندات الممسوحة إلى واجهة API خارجية بسياسة الأمن. وإذا كان النموذج يعمل داخل نطاقك، فلا حاجة إلى طلب موافقات.

الميزة الثانية هي التكلفة. تتقاضى خدمات OCR السحابية عادةً رسومًا عن كل صفحة. وعلى الأرشيفات الكبيرة ترتفع المبالغ بسرعة، أما النموذج الصغير الخاص بك فيحوّل المصاريف المتغيرة إلى ثابتة: تدفع مقابل العتاد لا مقابل كل مستند.

ما الذي ينبغي فعله الآن:

  • خذ 50–100 مستند حقيقي من مستنداتك، لا أمثلة العرض التوضيحي، ومرّرها عبر النموذج؛
  • افحص الحالات المعقدة على حدة: الملاحظات المكتوبة بخط اليد، والأختام فوق النص، والجداول ذات الخلايا المدمجة، والمعادلات؛
  • قارن النتيجة بحلك الحالي من حيث الدقة والسرعة والتكلفة؛
  • إذا كنت تحتاج إلى JSON، فثبّت مخطط الحقول مسبقًا وتحقق من الاستجابة بأداة تحقق (validator)، لأن أي نموذج لغوي يخطئ أحيانًا في الصيغة.

لا ينبغي توقع المعجزات على أي مستندات: فقد يتأخر النموذج الصغير عن الأنظمة الكبيرة عند التعامل مع المسوح الرديئة أو الخطوط غير القياسية أو اللغات النادرة. لكن كمرشح للمرحلة الأولى من المعالجة، ولا سيما حيث لا يجوز إخراج البيانات إلى الخارج، يبدو Xiaomi OCR-0 خيارًا معقولًا. يمكنك العثور عليه على Hugging Face، واختباره على مستنداتك في أمسية واحدة.

القصة

أسئلة وأجوبة حول الخبر

ما أبرز التفاصيل حول ما الذي يستطيع Xiaomi OCR-0 فعله؟

يتعرف النموذج على النص في الصور والمستندات الممسوحة، ويستخرج البيانات من الوثائق، ويجيب عن الأسئلة المتعلقة بمحتواها. وبحسب وصف شاومي، يعمل في ثلاثة أوضاع رئيسية. الأول هو نقل المحتوى إلى صيغة قابلة للتحرير. تتحول النصوص والجداول والمعادلات الموجودة في الصورة إلى شيء يمكن العمل عليه لاحقًا، بدلًا من مجموعة أسطر متفرقة. الثاني هو التحويل إلى لغة ترميز. يتحول المستند إلى Markdown (نص بسيط بعناوين وقوائم)، وتُكتب المعادلات الرياضية بصيغة LaTeX (الصيغة القياسية للمعادلات في النصوص العلمية).

ما أبرز التفاصيل حول لماذا يهم حجم الـ800 مليون معلمة؟

الرقم الأبرز في الإعلان هو الحجم. وهو مهم في OCR: فكلما كان النموذج أصغر، أصبحت معالجة تدفقات كبيرة من الصفحات أرخص وأسرع، وسهل تشغيله على خادم عادي أو حاسوب محمول قوي. وإذا كان النموذج أصغر من منافسه بمقدار 2,5 مرة ولا يتأخر عنه في الاختبارات، فقد تنخفض فاتورة العتاد بشكل ملحوظ. ثمة تحفظ مهم: لا يتضمن الإعلان الأصلي جدولًا بالنتائج، ولا يوضح على أي مجموعات من المستندات أُجريت الاختبارات، ولا حجم الفارق. حتى الآن هذا ادعاء من شاومي نفسها وليس تحققًا مستقلًا.

ما أبرز التفاصيل حول ما الذي يغيّره هذا عمليًا؟

يزيل التشغيل المحلي أكثر الأسئلة إزعاجًا: أين ستنتهي المستندات؟ بالنسبة للمحامين والمحاسبين والقطاع الطبي والبنوك وكل من يتعامل مع البيانات الشخصية، كثيرًا ما يصطدم إرسال المستندات الممسوحة إلى واجهة API خارجية بسياسة الأمن. وإذا كان النموذج يعمل داخل نطاقك، فلا حاجة إلى طلب موافقات. الميزة الثانية هي التكلفة. تتقاضى خدمات OCR السحابية عادةً رسومًا عن كل صفحة. وعلى الأرشيفات الكبيرة ترتفع المبالغ بسرعة، أما النموذج الصغير الخاص بك فيحوّل المصاريف المتغيرة إلى ثابتة: تدفع مقابل العتاد لا مقابل كل مستند.

ZK
جمال حميدون — مدير المنتجات في Alpina Digital ومدير منتج AlpinaGPT. يبني منتجات الذكاء الاصطناعي منذ 2019. بدأ Hamidun News كمشروع شخصي ثم أصبح مُجمِّعًا إنتاجيًا بأكثر من 6000 قارئ.
✦ Unified AI Workspace · Nomad

Test Frontier LLMs & Autonomous Agents in One Workspace

Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.

Try Nomad AI →Launch Nomad Agent
ما رأيك؟
جارٍ تحميل التعليقات…