Xiaomi lança OCR gratuito com 800 milhões de parâmetros que supera o Qwen3.5-2B
A Xiaomi lançou um modelo de OCR gratuito, ou seja, uma rede neural que lê texto em scans e fotos de documentos e o transforma em conteúdo editável. O Xiaomi OCR-0 tem apenas 800 milhões de parâmetros (o tamanho do modelo), mas nos testes superou o Qwen3.5-2B, que tem 2 bilhões de parâmetros, ou seja, 2,5 vezes mais. O texto sai em Markdown, as fórmulas em LaTeX e os campos necessários em JSON. Por isso, para contratos e notas fiscais com dados confidenciais, vale testá-lo com os seus próprios documentos.
Processado por IA de TG: @bezsmuzi (Русский ИТ бизнес); editado por Hamidun News
Imagine um arquivo com mil scans de contratos e notas fiscais: para o computador, são apenas imagens, mas você precisa dos números, datas e valores organizados em uma tabela. Essa tarefa é resolvida pelo OCR, o reconhecimento de texto em imagens. A Xiaomi lançou um modelo de OCR gratuito, o Xiaomi OCR-0, com 800 milhões de parâmetros.
Parâmetros são as "configurações" internas de uma rede neural, e quanto menos deles, mais barato e rápido o modelo tende a funcionar. Segundo a empresa, nos testes ele superou o Qwen3.5-2B, um modelo com 2 bilhões de parâmetros, ou seja, 2,5 vezes maior.
O código está aberto, e o modelo pode ser executado na sua própria infraestrutura, sem enviar os documentos para a nuvem.
O que o Xiaomi OCR-0 faz
O modelo reconhece texto em imagens e scans, extrai dados de documentos e responde perguntas sobre o conteúdo deles. Segundo a descrição da Xiaomi, ele opera em três modos principais.
O primeiro é a conversão do conteúdo para um formato editável. Texto, tabelas e fórmulas da imagem viram algo com que você pode trabalhar, e não um conjunto de linhas soltas.
O segundo é a conversão para marcação. O documento vira Markdown (texto simples com títulos e listas), e as fórmulas matemáticas são escritas em LaTeX (formato padrão de fórmulas em textos científicos). Para desenvolvedores, isso é prático: esse texto pode ir direto para uma base de conhecimento, ser indexado para RAG ou publicado em documentação.
O terceiro é a extração das informações necessárias em JSON. Suponha que você tenha centenas de notas fiscais de fornecedores diferentes. Em vez de montar um conjunto de expressões regulares para cada modelo de documento, você pede ao modelo o número da nota, a data e o valor, e recebe uma resposta estruturada que pode ser carregada no sistema contábil.
Por que importa o tamanho de 800 milhões de parâmetros
O principal número do anúncio é o tamanho. No OCR, ele é decisivo: quanto mais compacto o modelo, mais barato e rápido é processar grandes volumes de páginas, e mais fácil é executá-lo em um servidor comum ou em um notebook potente. Se um modelo é 2,5 vezes menor que o concorrente e, mesmo assim, não fica atrás nos testes, a conta de hardware pode cair de forma considerável.
Uma ressalva importante: a mensagem de origem não traz tabela com os resultados, não informa sobre quais conjuntos de documentos os testes foram feitos nem qual é a dimensão da vantagem. Por enquanto, trata-se de uma afirmação da própria Xiaomi, e não de uma verificação independente. Também não há informações sobre a licença, além do fato de o código ser aberto.
O que muda na prática
A execução local elimina a questão mais incômoda: para onde vão os documentos. Para escritórios de advocacia, departamentos contábeis, área médica, bancos e qualquer um que trabalhe com dados pessoais, enviar scans para uma API externa costuma esbarrar na política de segurança. Se o modelo roda dentro do seu ambiente, não há o que negociar.
O segundo benefício é o custo. Serviços de OCR em nuvem normalmente cobram por página. Em arquivos grandes, os valores crescem rapidamente, enquanto um modelo próprio e pequeno transforma despesas variáveis em fixas: você paga pelo hardware, e não por cada documento.
O que fazer agora:
- pegar entre 50 e 100 documentos reais seus, e não exemplos de demonstração, e processá-los pelo modelo;
- testar separadamente os casos complexos: anotações manuscritas, carimbos sobre o texto, tabelas com células mescladas, fórmulas;
- comparar o resultado com a solução atual em precisão, velocidade e custo;
- se precisar de JSON, definir o esquema dos campos desde o início e validar a resposta com um validador, já que qualquer modelo de linguagem pode errar o formato de vez em quando.
Não vale esperar milagres em qualquer documento: um modelo compacto pode ficar atrás de sistemas maiores em scans ruins, fontes incomuns ou idiomas raros. Mas, como candidato para a primeira etapa de processamento, especialmente onde os dados não podem sair da empresa, o Xiaomi OCR-0 parece uma opção razoável. Ele está disponível no Hugging Face, e testá-lo com os seus documentos leva uma única noite.
- 16 de out. de 2026Xiaomi-Lens-0, com 4B de parâmetros, supera o Qwen3.5 em 5,6 pontos no RefCOCO
- 2 de mai. de 2026Xiaomi revela o MiMo-V2-Pro: Hunter Alpha não era um novo modelo da DeepSeek
- 8 de fev. de 2026Ollama 0.1.5: Qwen3-Coder-Next e as alegrias de rodar modelos localmente
- 20 de out. de 2026OvisOCR3, com 0,8 bi de parâmetros, supera modelos de OCR: 96,74 no OmniDocBench v1.6
Perguntas frequentes sobre a notícia
O que o Xiaomi OCR-0 faz?
O modelo reconhece texto em imagens e scans, extrai dados de documentos e responde perguntas sobre o conteúdo deles. Segundo a descrição da Xiaomi, ele opera em três modos principais. O primeiro é a conversão do conteúdo para um formato editável. Texto, tabelas e fórmulas da imagem viram algo com que você pode trabalhar, e não um conjunto de linhas soltas. O segundo é a conversão para marcação.
Por que importa o tamanho de 800 milhões de parâmetros?
O principal número do anúncio é o tamanho. No OCR, ele é decisivo: quanto mais compacto o modelo, mais barato e rápido é processar grandes volumes de páginas, e mais fácil é executá-lo em um servidor comum ou em um notebook potente. Se um modelo é 2,5 vezes menor que o concorrente e, mesmo assim, não fica atrás nos testes, a conta de hardware pode cair de forma considerável.
O que muda na prática?
A execução local elimina a questão mais incômoda: para onde vão os documentos. Para escritórios de advocacia, departamentos contábeis, área médica, bancos e qualquer um que trabalhe com dados pessoais, enviar scans para uma API externa costuma esbarrar na política de segurança. Se o modelo roda dentro do seu ambiente, não há o que negociar. O segundo benefício é o custo. Serviços de OCR em nuvem normalmente cobram 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.
O essencial da IA — uma vez por semana
Sete histórias que realmente importaram, escolhidas a dedo. Sem ruído nem releases.
Pronto! Verifique seu e-mail para a confirmação.