Intensif Gratuit 21–22/11Intensif gratuit de 2 jours en Vibecoding (21–22 nov, 16h00 MSK) · Cohorte 3 le 23/11S'inscrire gratuitement →Cohorte 3 (23/11)
SortieAnalyse · Sur le radarX: @OpenBMB→ original

OpenBMB publie un OCR ouvert avec un modèle de contrôle : jusqu'à 128 pages par minute

L'OCR transforme une facture scannée en texte, et il se trompe en silence : par exemple, « 1 580 » devient « 1 080 ». OpenBMB publie MiniCPM-OCR, un moteur de reconnaissance de 1 milliard de paramètres (jusqu'à 128 pages par minute) et un contrôleur de 2 milliards qui évalue l'analyse produite par un autre OCR. Le contrôleur obtient 93,6 points sur JevOCRBench, presque autant que Qwen3.5-397B-A17B (93,8). Les pages douteuses peuvent ainsi être soumises à un humain sans recourir à un modèle coûteux.

Traité par IA depuis X: @OpenBMB ; édité par Hamidun News
OpenBMB publie un OCR ouvert avec un modèle de contrôle : jusqu'à 128 pages par minute
Source : X: @OpenBMB. Collage: Hamidun News.
Écouter l'article
Fiche synthèse et chiffres clés
ParamètreDonnées
Source primaireX: @OpenBMB ↗
Rédacteur en chef
Chiffre clé #1Le moteur de reconnaissance obtient 93,68 sur Real5-OmniDocBench et 54,7 sur OCRBench v2
Chiffre clé #2Avec DSpark, il est 3,62 fois plus rapide que MinerU2.5 Pro et 1,49 fois plus rapide que PaddleOCR-VL-1.6
Chiffre clé #3Il fonctionne sur Arm, Intel, NVIDIA, Houmo AI et 10 autres fabricants de puces

L'OCR désigne la reconnaissance de texte sur des scans et des photos : le programme lit une page de facture, de contrat ou de bon de livraison et restitue le texte, les tableaux et les formules. Le problème, c'est qu'il ne signale presque jamais ses erreurs. Si « 1 580 » devient « 1 080 » sur une facture, le pipeline ne le remarque pas, et le chiffre faux part dans la comptabilité, la base de connaissances ou le RAG.

L'équipe d'OpenBMB a publié en accès libre l'ensemble MiniCPM-OCR, qui traite les deux problèmes à la fois : il reconnaît rapidement les pages (jusqu'à 128 par minute) et, avec un modèle séparé, vérifie si le moteur de reconnaissance s'est trompé.

Deux modèles aux rôles distincts

MiniCPM-OCR 1.0 est un moteur de reconnaissance compact de 1 milliard de paramètres. Il convertit les pages en texte, formules et tableaux. Selon les auteurs, il obtient 93,68 points sur le benchmark Real5-OmniDocBench et 54,7 sur OCRBench v2. Pour un modèle de cette taille, c'est une prétention au meilleur résultat de sa catégorie.

Le second modèle, MiniCPM-OCR Jev, fonctionne autrement. C'est un modèle d'évaluation de 2 milliards de paramètres : il ne lit pas la page depuis le début, il juge à quel point son analyse est fidèle. Les auteurs le décrivent comme un gardien. Le moteur de reconnaissance produit un résultat, et Jev indique s'il est fiable. Point important : ce modèle de contrôle n'est pas lié à son propre moteur de reconnaissance. Il vérifie le texte, les formules et les tableaux issus de différents analyseurs OCR, ce qui permet de le placer au-dessus d'une solution déjà en service.

Chiffres et comparaisons

Sur le benchmark JevOCRBench, le modèle Jev obtient 93,6 points. Pour comparaison, JEV-35B-A3B en obtient 90,1, et le grand Qwen3.5-397B-A17B 93,8. Autrement dit, un modèle de 2 milliards de paramètres rattrape presque un système environ 200 fois plus volumineux. En production, cela signifie qu'il est possible de contrôler chaque page à moindre coût : inutile de payer un modèle gigantesque, inutile aussi de tout envoyer à une vérification manuelle.

Sur la vitesse, les auteurs annoncent ceci. Avec DSpark, MiniCPM-OCR est 1,49 fois plus rapide que PaddleOCR-VL-1.6 et 3,62 fois plus rapide que MinerU2.5 Pro. Les optimisations de traitement parallèle du SDK portent le débit à 128 pages par minute. Pour une archive de plusieurs centaines de milliers de scans, cela représente la différence entre des jours et des heures.

Où cela tourne

Les développeurs ont mis l'accent sur la facilité de déploiement. Dès le premier jour, la prise en charge est annoncée pour les puces Arm, Houmo AI, Intel et NVIDIA, et 10 autres fabricants sont raccordés via FlagOS. Les modèles fonctionnent avec vLLM, SGLang, llama.cpp et Ollama. Des versions quantifiées, la possibilité de fine-tuning et des Agent Skills pour l'intégration aux agents sont également disponibles. Le code se trouve sur GitHub, les poids sur Hugging Face, et il est possible de tester le modèle dans le playground de la plateforme Modelbest.

Ce qu'il faut retenir

Tous les chiffres proviennent de l'annonce des auteurs eux-mêmes ; il n'existe pas encore de mesures indépendantes. Le benchmark JevOCRBench, sur lequel Jev a presque égalé Qwen3.5, est, à en juger par son nom, lié au projet lui-même. Il ne faut donc pas transposer ces résultats à vos propres documents sans vérification. Les scans comportant du texte manuscrit, un éclairage médiocre ou une mise en page non standard peuvent se comporter différemment. La vitesse de 128 pages par minute a été obtenue avec une combinaison précise de DSpark et du SDK ; avec un vLLM ou un Ollama classiques, le résultat peut être plus modeste.

La conclusion pratique est simple. Si vous traitez des contrats, des bons de livraison, des documents médicaux ou financiers, prenez un petit lot de vos propres pages et faites-le passer par MiniCPM-OCR. Vérifiez en parallèle dans quelle mesure Jev détecte les erreurs de l'analyseur que vous utilisez déjà. Si la détection est bonne, le schéma « reconnaissance rapide plus contrôleur peu coûteux » permet de laisser passer automatiquement les pages fiables et d'envoyer les pages douteuses à un humain. Cela économise à la fois de l'argent et du temps.

Dossier

Questions clés sur cet article

Que sait-on sur Deux modèles aux rôles distincts ?

MiniCPM-OCR 1.0 est un moteur de reconnaissance compact de 1 milliard de paramètres. Il convertit les pages en texte, formules et tableaux. Selon les auteurs, il obtient 93,68 points sur le benchmark Real5-OmniDocBench et 54,7 sur OCRBench v2. Pour un modèle de cette taille, c'est une prétention au meilleur résultat de sa catégorie. Le second modèle, MiniCPM-OCR Jev, fonctionne autrement.

Que sait-on sur Chiffres et comparaisons ?

Sur le benchmark JevOCRBench, le modèle Jev obtient 93,6 points. Pour comparaison, JEV-35B-A3B en obtient 90,1, et le grand Qwen3.5-397B-A17B 93,8. Autrement dit, un modèle de 2 milliards de paramètres rattrape presque un système environ 200 fois plus volumineux. En production, cela signifie qu'il est possible de contrôler chaque page à moindre coût : inutile de payer un modèle gigantesque, inutile aussi de tout envoyer à une vérification manuelle. Sur la vitesse, les auteurs annoncent ceci.

Que sait-on sur Où cela tourne ?

Les développeurs ont mis l'accent sur la facilité de déploiement. Dès le premier jour, la prise en charge est annoncée pour les puces Arm, Houmo AI, Intel et NVIDIA, et 10 autres fabricants sont raccordés via FlagOS. Les modèles fonctionnent avec vLLM, SGLang, llama.cpp et Ollama. Des versions quantifiées, la possibilité de fine-tuning et des Agent Skills pour l'intégration aux agents sont également disponibles.

ZK
Zhemal Khamidun — CPO d'Alpina Digital, product manager d'AlpinaGPT. Conçoit des produits IA depuis 2019. Hamidun News est un projet personnel devenu un agrégateur en production avec plus de 6 000 lecteurs.
✦ 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
Qu'en pensez-vous ?
Chargement des commentaires…