OpenBMB lanza un OCR abierto con un modelo verificador: hasta 128 páginas por minuto
Un OCR convierte la imagen de una factura en texto y se equivoca en silencio: por ejemplo, «1 580» se convierte en «1 080». OpenBMB ha publicado MiniCPM-OCR: un reconocedor de 1.000 millones de parámetros (hasta 128 páginas por minuto) y un verificador de 2.000 millones que evalúa el análisis de otro OCR. El verificador obtiene 93,6 puntos en JevOCRBench, casi lo mismo que Qwen3.5-397B-A17B (93,8). Así, las páginas dudosas pueden pasarse a una persona sin recurrir a un modelo caro.
Procesado por IA desde X: @OpenBMB; editado por Hamidun News
El OCR es el reconocimiento de texto en escaneos y fotografías: el programa lee una página de factura, contrato o albarán y devuelve el texto, las tablas y las fórmulas. Lo problemático es que casi nunca indica dónde se ha equivocado. Si en una factura «1 580» se convierte en «1 080», el flujo de trabajo no lo detecta, y la cifra incorrecta acaba en la contabilidad, en la base de conocimiento o en un RAG. El equipo de OpenBMB ha publicado en abierto el conjunto MiniCPM-OCR, que resuelve ambas tareas a la vez: reconoce páginas con rapidez (hasta 128 por minuto) y, con un modelo aparte, comprueba si el reconocedor ha cometido algún error.
Dos modelos con tareas distintas
MiniCPM-OCR 1.0 es un reconocedor compacto de 1.000 millones de parámetros. Convierte las páginas en texto, fórmulas y tablas. Según los autores, en el benchmark Real5-OmniDocBench obtiene 93,68 puntos, y en OCRBench v2, 54,7. Para un modelo de este tamaño, es una propuesta para el mejor resultado de su categoría.
El segundo modelo, MiniCPM-OCR Jev, funciona de otra manera. Es un modelo evaluador de 2.000 millones de parámetros: no lee la página desde cero, sino que decide con qué precisión se ha analizado. Los autores lo llaman portero. El reconocedor produce un resultado, y Jev indica si es fiable. Un detalle importante: el modelo verificador no está ligado a su propio reconocedor. Comprueba el texto, las fórmulas y las tablas obtenidos de distintos analizadores OCR, así que puede colocarse encima de una solución que ya esté en funcionamiento.
Cifras y comparaciones
En el benchmark JevOCRBench, el modelo Jev obtiene 93,6 puntos. Como referencia, JEV-35B-A3B logró 90,1, y el gigantesco Qwen3.5-397B-A17B, 93,8. Es decir, un modelo de 2.000 millones de parámetros casi alcanza a un sistema que es unas 200 veces mayor. Para la producción, esto significa que se puede verificar cada página a bajo coste: no hace falta pagar por un modelo enorme ni enviar todo a revisión manual.
En cuanto a velocidad, los autores afirman lo siguiente. Con DSpark, MiniCPM-OCR funciona 1,49 veces más rápido que PaddleOCR-VL-1.6 y 3,62 veces más rápido que MinerU2.5 Pro. Las optimizaciones de procesamiento en paralelo del SDK elevan el rendimiento hasta 128 páginas por minuto. Para un archivo de cientos de miles de escaneos, la diferencia es la que va de días a horas.
Dónde se ejecuta
Los desarrolladores han puesto el acento en la facilidad de despliegue. El primer día se anunció compatibilidad con chips de Arm, Houmo AI, Intel y NVIDIA, y otros 10 fabricantes se han conectado a través de FlagOS. Los modelos funcionan en vLLM, SGLang, llama.cpp y Ollama. Hay versiones cuantizadas, soporte para ajuste fino y Agent Skills para conectarlos a agentes. El código está en GitHub, los pesos en Hugging Face, y se puede probar en el playground de la plataforma Modelbest.
Qué conviene tener en cuenta
Todas las cifras proceden del anuncio de los propios autores; por ahora no hay mediciones independientes. El benchmark JevOCRBench, en el que Jev casi igualó a Qwen3.5, según su nombre está vinculado al propio proyecto. Por eso, no se debe trasladar el resultado a los documentos propios sin verificarlo. Los escaneos con texto manuscrito, mala iluminación o maquetación no estándar pueden comportarse de otra manera. La velocidad de 128 páginas por minuto se obtuvo con la combinación concreta de DSpark y SDK, y con vLLM u Ollama normales el resultado puede ser más modesto.
La conclusión práctica es sencilla. Si procesa contratos, albaranes, documentos médicos o financieros, tome un pequeño conjunto de sus propias páginas y páselo por MiniCPM-OCR. Compruebe también por separado en qué medida Jev detecta errores en el analizador que ya utiliza. Si los detecta, el esquema de «reconocedor rápido más verificador barato» permitirá aceptar automáticamente las páginas seguras y enviar a una persona las dudosas. Así se ahorra dinero y tiempo.
- 21 nov 2026El modelo de vídeo AURA 2.0 inicia la conversación por sí mismo: la respuesta suena a los 344 ms
- 21 nov 2026Anthropic logra una OPV récord de 81.300 millones de dólares, pero el control sigue en manos de los fundadores
- 21 nov 2026ONNX Runtime desaparece de GitHub: Microsoft oculta los repositorios tras el ataque a un paquete
- 21 nov 2026Microsoft permitirá a las empresas ajustar los modelos MAI con sus propios datos en Azure
Preguntas frecuentes sobre la noticia
¿Qué se sabe sobre Dos modelos con tareas distintas?
MiniCPM-OCR 1.0 es un reconocedor compacto de 1.000 millones de parámetros. Convierte las páginas en texto, fórmulas y tablas. Según los autores, en el benchmark Real5-OmniDocBench obtiene 93,68 puntos, y en OCRBench v2, 54,7. Para un modelo de este tamaño, es una propuesta para el mejor resultado de su categoría. El segundo modelo, MiniCPM-OCR Jev, funciona de otra manera. Es un modelo evaluador de 2.000 millones de parámetros: no lee la página desde cero, sino que decide con qué precisión se ha analizado.
¿Qué se sabe sobre Cifras y comparaciones?
En el benchmark JevOCRBench, el modelo Jev obtiene 93,6 puntos. Como referencia, JEV-35B-A3B logró 90,1, y el gigantesco Qwen3.5-397B-A17B, 93,8. Es decir, un modelo de 2.000 millones de parámetros casi alcanza a un sistema que es unas 200 veces mayor. Para la producción, esto significa que se puede verificar cada página a bajo coste: no hace falta pagar por un modelo enorme ni enviar todo a revisión manual. En cuanto a velocidad, los autores afirman lo siguiente.
Dónde se ejecuta?
Los desarrolladores han puesto el acento en la facilidad de despliegue. El primer día se anunció compatibilidad con chips de Arm, Houmo AI, Intel y NVIDIA, y otros 10 fabricantes se han conectado a través de FlagOS. Los modelos funcionan en vLLM, SGLang, llama.cpp y Ollama. Hay versiones cuantizadas, soporte para ajuste fino y Agent Skills para conectarlos a agentes. El código está en GitHub, los pesos en Hugging Face, y se puede probar en el playground de la plataforma Modelbest.
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.