OpenBMB lança OCR aberto com modelo verificador: até 128 páginas por minuto
Um OCR transforma a digitalização de uma nota fiscal em texto e erra em silêncio: por exemplo, "1 580" vira "1 080". A OpenBMB publicou o MiniCPM-OCR aberto: um reconhecedor de 1 bilhão de parâmetros (até 128 páginas por minuto) e um verificador de 2 bilhões, que avalia a leitura feita por outro sistema. O verificador marcou 93,6 pontos no JevOCRBench, quase o mesmo que o Qwen3.5-397B-A17B (93,8). Assim, páginas duvidosas podem ser encaminhadas a uma pessoa sem recorrer a um modelo caro.
Processado por IA de X: @OpenBMB; editado por Hamidun News
OCR é o reconhecimento de texto em digitalizações e fotos: o programa lê a página de uma nota fiscal, contrato ou fatura e devolve o texto, as tabelas e as fórmulas. O problema é que ele quase nunca informa onde errou. Se "1 580" virar "1 080" na nota fiscal, o pipeline não percebe, e o número incorreto acaba no sistema contábil, na base de conhecimento ou no RAG. A equipe da OpenBMB publicou em acesso aberto o conjunto MiniCPM-OCR, que resolve as duas tarefas ao mesmo tempo: reconhece as páginas com rapidez (até 128 por minuto) e, com um modelo separado, verifica se o reconhecedor não errou.
Dois modelos com tarefas diferentes
O MiniCPM-OCR 1.0 é um reconhecedor compacto, com 1 bilhão de parâmetros. Ele converte páginas em texto, fórmulas e tabelas. Segundo os autores, no benchmark Real5-OmniDocBench ele marca 93,68 pontos, e no OCRBench v2, 54,7. Para um modelo desse porte, trata-se de uma alegação de melhor resultado na sua classe.
O segundo modelo, o MiniCPM-OCR Jev, funciona de outra forma. É um modelo avaliador com 2 bilhões de parâmetros: ele não lê a página do zero, mas decide quão precisa foi a leitura já feita. Os autores o chamam de goleiro. O reconhecedor entrega o resultado, e o Jev diz se é possível confiar nele. Um detalhe importante: o modelo verificador não está atrelado ao próprio reconhecedor. Ele checa texto, fórmulas e tabelas obtidos de diferentes parsers de OCR, por isso pode ser colocado sobre uma solução que já está em funcionamento.
Números e comparações
No benchmark JevOCRBench, o modelo Jev marca 93,6 pontos. Para comparação, o JEV-35B-A3B obteve 90,1, e o enorme Qwen3.5-397B-A17B, 93,8. Ou seja, um modelo de 2 bilhões de parâmetros quase alcança um sistema que é cerca de 200 vezes maior. Na prática de produção, isso significa que verificar cada página pode sair barato: não é preciso pagar por um modelo gigantesco nem enviar tudo para revisão manual.
Sobre velocidade, os autores afirmam o seguinte. Com DSpark, o MiniCPM-OCR trabalha 1,49 vez mais rápido que o PaddleOCR-VL-1.6 e 3,62 vezes mais rápido que o MinerU2.5 Pro. As otimizações de processamento paralelo no SDK elevam a capacidade para 128 páginas por minuto. Para um arquivo com centenas de milhares de digitalizações, essa diferença significa dias ou horas.
Onde isso roda
Os desenvolvedores enfatizaram a facilidade de implantação. No primeiro dia, há suporte para chips da Arm, Houmo AI, Intel e NVIDIA, e mais 10 fabricantes foram integrados via FlagOS. Os modelos rodam em vLLM, SGLang, llama.cpp e Ollama. Há versões quantizadas, suporte a ajuste fino e Agent Skills para conexão com agentes. O código está no GitHub, os pesos no Hugging Face, e é possível testar no playground da plataforma Modelbest.
O que vale lembrar
Todos os números vêm do anúncio dos próprios autores, e ainda não há medições independentes. O JevOCRBench, benchmark no qual o Jev quase empatou com o Qwen3.5, pelo nome, está ligado ao próprio projeto. Por isso, não se deve transferir o resultado para os seus documentos sem testar. Digitalizações com texto manuscrito, iluminação ruim ou diagramação não padronizada podem se comportar de forma diferente. A velocidade de 128 páginas por minuto foi obtida com a combinação específica de DSpark e SDK, e no vLLM ou no Ollama comuns o resultado pode ser mais modesto.
A conclusão prática é simples. Se você processa contratos, notas fiscais, documentos médicos ou financeiros, pegue um pequeno conjunto das suas próprias páginas e passe pelo MiniCPM-OCR. Verifique também, em separado, o quanto o Jev detecta erros no parser que você já usa. Se detectar, o esquema "reconhecedor rápido mais verificador barato" permite aprovar automaticamente as páginas confiáveis e encaminhar as duvidosas a uma pessoa. Isso economiza tanto dinheiro quanto dor de cabeça.
- 21 de nov. de 2026O modelo de vídeo AURA 2.0 inicia a conversa sozinho: a resposta soa em 344 ms
- 21 de nov. de 2026Anthropic realizou IPO recorde de US$ 81,3 bi, mas o controle ficou com os fundadores
- 21 de nov. de 2026ONNX Runtime some do GitHub: Microsoft oculta repositórios após comprometimento de pacote
- 21 de nov. de 2026Microsoft vai permitir que empresas ajustem modelos MAI com seus próprios dados no Azure
Perguntas frequentes sobre a notícia
O que se sabe sobre Dois modelos com tarefas diferentes?
O MiniCPM-OCR 1.0 é um reconhecedor compacto, com 1 bilhão de parâmetros. Ele converte páginas em texto, fórmulas e tabelas. Segundo os autores, no benchmark Real5-OmniDocBench ele marca 93,68 pontos, e no OCRBench v2, 54,7. Para um modelo desse porte, trata-se de uma alegação de melhor resultado na sua classe. O segundo modelo, o MiniCPM-OCR Jev, funciona de outra forma. É um modelo avaliador com 2 bilhões de parâmetros: ele não lê a página do zero, mas decide quão precisa foi a leitura já feita.
O que se sabe sobre Números e comparações?
No benchmark JevOCRBench, o modelo Jev marca 93,6 pontos. Para comparação, o JEV-35B-A3B obteve 90,1, e o enorme Qwen3.5-397B-A17B, 93,8. Ou seja, um modelo de 2 bilhões de parâmetros quase alcança um sistema que é cerca de 200 vezes maior. Na prática de produção, isso significa que verificar cada página pode sair barato: não é preciso pagar por um modelo gigantesco nem enviar tudo para revisão manual. Sobre velocidade, os autores afirmam o seguinte.
Onde isso roda?
Os desenvolvedores enfatizaram a facilidade de implantação. No primeiro dia, há suporte para chips da Arm, Houmo AI, Intel e NVIDIA, e mais 10 fabricantes foram integrados via FlagOS. Os modelos rodam em vLLM, SGLang, llama.cpp e Ollama. Há versões quantizadas, suporte a ajuste fino e Agent Skills para conexão com agentes. O código está no GitHub, os pesos no Hugging Face, e é possível testar no playground da 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.
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.