Xiaomi lanza un OCR gratuito de 800 millones de parámetros que supera a Qwen3.5-2B
Xiaomi ha publicado un modelo OCR gratuito, es decir, una red neuronal que lee el texto de escaneos y fotos de documentos y lo convierte en contenido editable. Xiaomi OCR-0 tiene solo 800 millones de parámetros (el tamaño del modelo), pero en sus pruebas superó a Qwen3.5-2B, que tiene 2.000 millones de parámetros, es decir, un tamaño 2,5 veces mayor. El texto sale en Markdown, las fórmulas en LaTeX y los campos necesarios en JSON. Por eso, en el caso de contratos y facturas con datos confidenciales, conviene probarlo con los propios documentos.
Procesado por IA desde TG: @bezsmuzi (Русский ИТ бизнес); editado por Hamidun News
Imagine un archivo de mil escaneos de contratos y facturas: para el ordenador son solo imágenes, mientras que usted necesita los números, las fechas y los importes en una tabla. Esta tarea la resuelve el OCR, el reconocimiento de texto en imágenes. Xiaomi ha publicado un modelo OCR gratuito, Xiaomi OCR-0, de 800 millones de parámetros. Los parámetros son los «ajustes» internos de una red neuronal, y cuantos menos tiene, más barato y rápido funciona el modelo. Según la compañía, en sus pruebas superó a Qwen3.5-2B, un modelo de 2.000 millones de parámetros, es decir, 2,5 veces mayor. El código está abierto y el modelo puede ejecutarse en su propio equipo, sin enviar los documentos a la nube.
Qué sabe hacer Xiaomi OCR-0
El modelo reconoce texto en imágenes y escaneos, extrae datos de documentos y responde preguntas sobre su contenido. Según la descripción de Xiaomi, funciona en tres modos principales.
El primero es trasladar el contenido a un formato editable. El texto, las tablas y las fórmulas de la imagen se convierten en algo con lo que se puede seguir trabajando, y no en un conjunto de líneas sueltas.
El segundo es la conversión a marcado. El documento se transforma en Markdown (texto sencillo con títulos y listas), y las fórmulas matemáticas se escriben en LaTeX (el formato estándar de las fórmulas en textos científicos). Para los desarrolladores resulta útil: ese texto puede incorporarse directamente a una base de conocimiento, indexarse para RAG o publicarse en documentación.
El tercero es extraer los datos necesarios en JSON. Supongamos que tiene cientos de facturas de distintos proveedores. En lugar de escribir un conjunto de expresiones regulares para cada plantilla, pide al modelo el número de factura, la fecha y el importe, y obtiene una respuesta estructurada que puede cargarse en el sistema contable.
Por qué importa el tamaño de 800 millones de parámetros
La cifra principal del anuncio es el tamaño. En OCR es determinante: cuanto más compacto es el modelo, más barato y rápido resulta procesar grandes volúmenes de páginas, y más sencillo es ejecutarlo en un servidor normal o en un portátil potente. Si un modelo es 2,5 veces menor que su competidor pero no le queda por detrás en las pruebas, la factura de hardware puede reducirse de forma notable.
Hay una salvedad importante: el mensaje original no incluye una tabla con los resultados, no indica sobre qué conjuntos de documentos se realizaron las pruebas ni cuál es la magnitud de la ventaja. Por ahora es una afirmación de la propia Xiaomi, no una verificación independiente. Tampoco hay información sobre la licencia, más allá de que el código fuente está abierto.
Qué cambia en la práctica
La ejecución local elimina la cuestión más incómoda: dónde acabarán los documentos. Para abogados, departamentos de contabilidad, medicina, bancos y cualquiera que trabaje con datos personales, enviar escaneos a una API externa suele chocar con la política de seguridad. Si el modelo funciona dentro de su propia infraestructura, no hay nada que negociar.
El segundo beneficio es el coste. Los servicios de OCR en la nube suelen cobrar por página. En archivos grandes, las cantidades crecen rápido, mientras que un modelo pequeño propio convierte los gastos variables en fijos: se paga por el hardware, no por cada documento.
Qué hacer ahora mismo:
- tomar entre 50 y 100 de sus documentos reales, no ejemplos de demostración, y procesarlos con el modelo;
- revisar por separado los casos difíciles: anotaciones manuscritas, sellos sobre el texto, tablas con celdas combinadas, fórmulas;
- comparar el resultado con la solución actual en precisión, velocidad y coste;
- si necesita JSON, fijar de antemano el esquema de campos y validar la respuesta con un validador, porque cualquier modelo de lenguaje a veces se equivoca en el formato.
No conviene esperar milagros con cualquier documento: un modelo compacto puede quedarse por detrás de los sistemas grandes con escaneos de mala calidad, tipografías poco habituales o idiomas minoritarios. Pero como candidato para una primera fase de procesamiento, sobre todo allí donde los datos no pueden salir de la organización, Xiaomi OCR-0 parece una opción razonable. Puede encontrarla en Hugging Face, y probarla con sus propios documentos lleva una sola tarde.
- 16 oct 2026Xiaomi-Lens-0, con 4B parámetros, supera a Qwen3.5 en 5,6 puntos en RefCOCO
- 2 may 2026Xiaomi revela MiMo-V2-Pro: Hunter Alpha no era un nuevo modelo de DeepSeek
- 8 feb 2026Ollama 0.1.5: Qwen3-Coder-Next y las alegrías de ejecutar modelos en local
- 20 oct 2026OvisOCR3, con 0,8B de parámetros, supera a otros modelos OCR: 96,74 en OmniDocBench v1.6
Preguntas frecuentes sobre la noticia
¿Qué se sabe sobre Qué sabe hacer Xiaomi OCR-0?
El modelo reconoce texto en imágenes y escaneos, extrae datos de documentos y responde preguntas sobre su contenido. Según la descripción de Xiaomi, funciona en tres modos principales. El primero es trasladar el contenido a un formato editable. El texto, las tablas y las fórmulas de la imagen se convierten en algo con lo que se puede seguir trabajando, y no en un conjunto de líneas sueltas. El segundo es la conversión a marcado.
¿Qué se sabe sobre Por qué importa el tamaño de 800 millones de parámetros?
La cifra principal del anuncio es el tamaño. En OCR es determinante: cuanto más compacto es el modelo, más barato y rápido resulta procesar grandes volúmenes de páginas, y más sencillo es ejecutarlo en un servidor normal o en un portátil potente. Si un modelo es 2,5 veces menor que su competidor pero no le queda por detrás en las pruebas, la factura de hardware puede reducirse de forma notable.
¿Qué se sabe sobre Qué cambia en la práctica?
La ejecución local elimina la cuestión más incómoda: dónde acabarán los documentos. Para abogados, departamentos de contabilidad, medicina, bancos y cualquiera que trabaje con datos personales, enviar escaneos a una API externa suele chocar con la política de seguridad. Si el modelo funciona dentro de su propia infraestructura, no hay nada que negociar. El segundo beneficio es el coste. Los servicios de OCR en la nube suelen cobrar por página.
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.
Lo esencial de la IA — una vez por semana
Siete historias que de verdad importaron, elegidas a mano. Sin ruido ni notas de prensa.
¡Listo! Revisa tu correo para la confirmación.