Xiaomi выпустила бесплатный OCR на 800 млн параметров, обошедший Qwen3.5-2B
Xiaomi выпустила бесплатную OCR-модель — то есть нейросеть, которая читает текст на сканах и фото документов и превращает его в редактируемый. У Xiaomi OCR-0 всего 800 млн параметров (это размер модели), но в тестах она обошла Qwen3.5-2B с 2 млрд параметров — в 2,5 раза крупнее. Текст выходит в Markdown, формулы в LaTeX, нужные поля в JSON. Поэтому для договоров и счетов с конфиденциальными данными её стоит проверить на своих документах.
AI-обработка оригинала TG: @bezsmuzi (Русский ИТ бизнес); редакция Hamidun News
Представьте архив из тысячи сканов договоров и счетов: компьютер видит в них просто картинки, а вам нужны номера, даты и суммы в таблице. Эту задачу решает OCR — распознавание текста на изображениях. Xiaomi выпустила бесплатную OCR-модель Xiaomi OCR-0 размером 800 млн параметров. Параметры — это внутренние «настройки» нейросети, и чем их меньше, тем дешевле и быстрее модель работает. По данным компании, в тестах она обошла Qwen3.5-2B — модель с 2 млрд параметров, то есть в 2,5 раза крупнее. Код открыт, а запустить модель можно у себя, не отправляя документы в облако.
Что умеет Xiaomi OCR-0
Модель распознаёт текст на изображениях и сканах, достаёт данные из документов и отвечает на вопросы по их содержанию. По описанию Xiaomi, она работает в трёх основных режимах.
Первый — перенос содержимого в редактируемый вид. Текст, таблицы и формулы из картинки превращаются в то, с чем можно работать дальше, а не в набор разрозненных строк.
Второй — конвертация в разметку. Документ превращается в Markdown (простой текст с заголовками и списками), а математические формулы записываются в LaTeX (стандартный формат формул в научных текстах). Для разработчиков это удобно: такой текст сразу можно класть в базу знаний, индексировать для RAG или публиковать в документации.
Третий — извлечение нужных сведений в JSON. Допустим, у вас сотни счетов от разных поставщиков. Вместо набора регулярных выражений под каждый шаблон вы просите у модели номер счёта, дату и сумму и получаете структурированный ответ, который можно загрузить в учётную систему.
Почему важен размер в 800 млн параметров
Главная цифра анонса — размер. Для OCR он существенен: чем компактнее модель, тем дешевле и быстрее обрабатывать большие потоки страниц и тем проще запускать её на обычном сервере или мощном ноутбуке. Если модель в 2,5 раза меньше конкурента, но не уступает ему в тестах, счёт за железо может заметно снизиться.
Оговорка важная: в исходном сообщении нет таблицы с результатами, не указано, на каких наборах документов проводились тесты и насколько велик отрыв. Пока это заявление самой Xiaomi, а не независимая проверка. Нет и сведений о лицензии, кроме того, что исходный код открыт.
Что это меняет на практике
Локальный запуск снимает самый неприятный вопрос — где окажутся документы. Для юристов, бухгалтерии, медицины, банков и всех, кто работает с персональными данными, отправка сканов во внешний API часто упирается в политику безопасности. Если модель работает внутри вашего контура, согласовывать нечего.
Вторая выгода — стоимость. Облачные OCR-сервисы обычно берут плату за страницу. На больших архивах суммы быстро растут, а собственная небольшая модель превращает переменные расходы в фиксированные: вы платите за железо, а не за каждый документ.
Что делать прямо сейчас:
- взять 50–100 своих реальных документов, а не демонстрационные примеры, и прогнать их через модель;
- отдельно проверить сложные случаи: рукописные пометки, печати поверх текста, таблицы с объединёнными ячейками, формулы;
- сравнить результат с текущим решением по точности, скорости и стоимости;
- если нужен JSON, заранее зафиксировать схему полей и проверять ответ валидатором, потому что любая языковая модель иногда ошибается в формате.
Не стоит ждать чудес на любых документах: компактная модель может уступать крупным системам на плохих сканах, нестандартных шрифтах или редких языках. Но как кандидат для первого этапа обработки, особенно там, где данные нельзя выпускать наружу, Xiaomi OCR-0 выглядит разумным вариантом. Найти её можно на Hugging Face, а проверить на своих документах — за один вечер.
- 21 нояб. 2026 г.Совет директоров Nvidia уволил Хуанга: под угрозой сделка с Hugging Face на $12,9 млрд
- 21 нояб. 2026 г.Калифорния засудила OpenAI за ИИ-агентов, взломавших Hugging Face: штраф $2500 за нарушение
- 21 нояб. 2026 г.Хаб Huawei Ascend за пять часов пополнился 26 зеркалами открытых моделей
- 21 нояб. 2026 г.Альтман назвал «ужасной идеей» передачу решений ИИ, а OpenAI бросила 25% инженеров на защиту
Вопросы и ответы по материалу
Что известно по теме: что умеет Xiaomi OCR-0?
Модель распознаёт текст на изображениях и сканах, достаёт данные из документов и отвечает на вопросы по их содержанию. По описанию Xiaomi, она работает в трёх основных режимах. Первый — перенос содержимого в редактируемый вид. Текст, таблицы и формулы из картинки превращаются в то, с чем можно работать дальше, а не в набор разрозненных строк. Второй — конвертация в разметку.
Что известно по теме: почему важен размер в 800 млн параметров?
Главная цифра анонса — размер. Для OCR он существенен: чем компактнее модель, тем дешевле и быстрее обрабатывать большие потоки страниц и тем проще запускать её на обычном сервере или мощном ноутбуке. Если модель в 2,5 раза меньше конкурента, но не уступает ему в тестах, счёт за железо может заметно снизиться. Оговорка важная: в исходном сообщении нет таблицы с результатами, не указано, на каких наборах документов проводились тесты и насколько велик отрыв.
Что известно по теме: что это меняет на практике?
Локальный запуск снимает самый неприятный вопрос — где окажутся документы. Для юристов, бухгалтерии, медицины, банков и всех, кто работает с персональными данными, отправка сканов во внешний API часто упирается в политику безопасности. Если модель работает внутри вашего контура, согласовывать нечего. Вторая выгода — стоимость. Облачные OCR-сервисы обычно берут плату за страницу.
Протестируйте новые LLM и мультимодальные модели в одном окне
Платформа Nomad AI (nomadnet.ai) даёт прямой доступ к Claude Opus 5.5, GPT-6, Gemini 3.1, DeepSeek и автономным агентам без VPN, зарубежных карт и зоопарка подписок.
Главное из мира ИИ — раз в неделю
7 ключевых событий недели, отобранных вручную. Без шума, репостов и пресс-релизов.
Готово! Проверьте почту — мы отправили подтверждение.