Xiaomi-OCR-0

Fuentes comprobadas el 6 de noviembre de 2026. Se distinguen afirmaciones del editor y experiencias ajenas; no es un benchmark propio de AIDreamHub.

Un componente documental, no un sistema contable terminado

Xiaomi-OCR-0 parte de Qwen3.5-0.8B-Base y combina análisis documental, preguntas centradas en OCR y extracción de información. Un piloto útil puede limitarse a proveedor, fecha, moneda e importe de una familia concreta de recibos.

La salida no es un asiento validado. La aplicación necesita preparar imágenes, manejar páginas PDF, definir esquema, comprobar reglas, revisar excepciones y exportar. El objetivo es reducir correcciones, no producir un CSV de apariencia completa.

Página oficial capturada por AIDreamHub, no ejecución local del producto.

Los resultados dependen de la canalización

El editor publica 96,83 en OmniDocBench v1.6, 95,24 en Real5 y 87,94 en Wild. Son métricas de parsing, no exactitud de campos de facturas ni porcentaje de páginas perfectas. El informe usa PP-DocLayoutV3 en Real5; una inferencia de página completa no hereda esa cifra sin reproducir el proceso.

PaddleOCR-VL-1.6 figura con 96,33, 93,19 y 87,36 en la misma tabla. La cercanía no prueba una ventaja en tus documentos. Revisamos fuentes primarias, sin ejecutar un benchmark. La búsqueda devolvió principalmente noticias de lanzamiento, no un consenso amplio de pruebas independientes.

Cómo usarlo: elegir el backend primero

El repositorio documenta Python 3.10+, demo web, MCP y backends separados. SGLang o vLLM requieren un entorno compatible; Ollama experimental emplea un paquete BF16 comunitario. Los comandos siguientes recogen la ruta oficial de demo, no una instalación probada por nosotros.

Mantén Ollama activo, revisa dependencias en un entorno aislado y abre http://127.0.0.1:8787. Descargar el modelo no configura por sí solo preprocesado y decodificación: usa Demo o MCP. El modo de regiones añade PaddlePaddle, PaddleX y PP-DocLayoutV3; OCR de página completa, KIE y VQA no los necesitan.

ollama pull longwayxu/xiaomi-ocr-0:bf16
git clone https://github.com/xiaomi-research/Xiaomi-OCR-0.git
cd Xiaomi-OCR-0
python3 -m venv .venv
source .venv/bin/activate
python -m pip install -r requirements.txt
export XIAOMI_OCR_BACKEND=ollama
export XIAOMI_OCR_MODEL=longwayxu/xiaomi-ocr-0:bf16
export XIAOMI_OCR_LOCAL_URL=http://127.0.0.1:11434/v1
python demo/server.py --port 8787

Del recibo a una fila trazable

Usa muestras reales anonimizadas. Define supplier, document_number, invoice_date, currency, subtotal, tax y total antes de extraer. Permite null cuando no se lea y prohíbe adivinar. Conserva imagen, respuesta bruta y fila normalizada para rastrear cada corrección.

Separa desarrollo y prueba reservada por proveedor o plantilla. Incluye desenfoque, rotación, moneda ausente, devoluciones y varias páginas. Mide campos exactos y filas totalmente correctas por separado: nueve aciertos no compensan un total equivocado.

Reglas que no conviene delegar al modelo

Valida primero la estructura JSON. Guarda identificadores como texto con sus ceros iniciales y normaliza fechas y monedas solo sin ambigüedad. Concilia importes considerando descuentos, cargos y redondeo. Marca diferencias; no inventes una corrección para cuadrarlas.

Neutraliza prefijos de fórmula en cadenas CSV no confiables antes de abrirlas en una hoja de cálculo. Guarda por separado el original y la exportación segura. Además de latencia, mide minutos de corrección por fila aceptada y porcentaje enviado a revisión humana.

Alternativas para el mismo piloto

Compara PaddleOCR-VL en documentos con mucho diseño, OCR tradicional con reglas en formularios estables y un VLM más potente cuando predomine la interpretación. Son opciones por flujo, no una clasificación de calidad medida aquí.

Usa las mismas imágenes reservadas, campos y reglas. Solo el consumo real, mantenimiento y carga de corrección permiten valorar la ventaja del modelo pequeño. 0,8B no fija RAM total, tiempo por página ni compatibilidad de cualquier cuantización.

Privacidad local, conversiones y licencia

El checkpoint indica Apache-2.0, pero los componentes conservan términos propios. Descarga archivos antes del uso sin conexión y revisa imágenes, registros y PDF temporales. Un modelo local no convierte una demo remota en privada.

Ollama es experimental y sus siete ejemplos de alineación no prueban paridad general. Un enlace GGUF comunitario no estuvo disponible durante la revisión y no se recomienda aquí. Sigue la integración oficial vigente y registra modelo, proyector y runtime. El dibujo es una metáfora, no un resultado OCR generado.

Preguntas antes de adoptarlo

¿El CSV es fiable directamente?

Necesita esquema, fechas, monedas, conciliación, seguridad de fórmulas y revisión de excepciones. Guarda imagen y respuesta original. La unidad útil es una fila completa aceptada; JSON válido no significa datos correctos.

¿Los scores valen para Ollama?

No automáticamente. El benchmark original y unas muestras de alineación no demuestran equivalencia de todas las conversiones. Preprocesado, proyector visual, runtime y decodificación importan. Evalúa el paquete real con documentos reservados.

¿Funciona sin conexión en cualquier equipo?

El número de parámetros no garantiza hardware. Backend, imágenes, contexto y modelos de diseño opcionales añaden requisitos. Prepara archivos y verifica soporte del sistema; la documentación distingue GPU compatible y Ollama experimental.

Fuentes revisadas

• Xiaomi-OCR-0 — model card
• Xiaomi-OCR-0 — runtime and demo instructions
• Xiaomi-OCR-0 — technical report
• Xiaomi-OCR-0 — reproducible evaluation pipeline

Explorar herramientas relacionadas

• Productividad
• Análisis de datos