MiniCPM-OCR 1.0: OpenBMB pubblica un piccolo modello OCR sotto Apache 2.0, accompagnato da un secondo modello che valuta l'affidabilità del risultato

OpenBMB, il collettivo open source all’origine della famiglia di modelli MiniCPM, ha pubblicato martedì 27 ottobre la suite MiniCPM-OCR, annunciata su X alle 17:52, ora di Parigi. Riunisce due modelli con pesi scaricabili sotto licenza Apache 2.0: MiniCPM-OCR 1.0, che legge e struttura documenti, e MiniCPM-OCR Jev, che verifica il lavoro del primo.

L’idea è semplice da formulare: un motore OCR (riconoscimento ottico dei caratteri) che «termina» una pagina non dice se ha sbagliato. OpenBMB propone quindi un lettore veloce e un controllore in grado di segnalare i passaggi dubbi.

Un lettore di documenti da 1,3 miliardi di parametri

Secondo la sua scheda Hugging Face, MiniCPM-OCR 1.0 conta 1,3 miliardi di parametri. È il primo modello dedicato all’OCR della famiglia MiniCPM-V: è addestrato a partire da MiniCPM-V 4.6, che associa un encoder visivo SigLIP e un modello linguistico Qwen3.5. Riconosce testo, tabelle, formule, grafici e timbri, e sa estrarre campi precisi (il nome di un negozio e l’importo di uno scontrino, ad esempio) in formato JSON.

Il modello non legge una pagina in un unico blocco. Il kit di sviluppo suddivide prima il documento con un modello di layout (PP-DocLayoutV3), invia ogni zona al modello, poi riassembla il tutto in Markdown nell’ordine di lettura, con le tabelle in HTML e le formule in LaTeX. Le lingue prioritarie sono il cinese e l’inglese; la documentazione mostra tuttavia un esempio di affinamento su righe di scrittura a mano in francese.

Un secondo modello che valuta ogni passaggio

MiniCPM-OCR Jev (2 miliardi di parametri, derivato da Qwen3.5-2B) non legge documenti: riceve l’immagine di una zona e il testo che un motore OCR ne ha estratto, e restituisce un punteggio da 0 a 1, tanto più alto quanto più è probabile che il risultato sia corretto. OpenBMB ha sostituito la testa di output del modello linguistico con una testa di classificazione binaria.

Tre utilizzi sono descritti: accettare automaticamente le zone al di sopra di una soglia, inviare le altre a una rilettura umana, oppure far leggere la stessa zona da più motori OCR e mantenere il risultato migliore. Jev non dipende da MiniCPM-OCR: lo sviluppatore lo ha testato sugli output di GLM-OCR, PaddleOCR-VL-1.6 e Xiaomi-OCR-0. La soglia resta da fissare autonomamente, sui propri documenti, come precisa la scheda.

Cifre da verificare

Tutti i risultati pubblicati provengono da OpenBMB. MiniCPM-OCR 1.0 otterrebbe 93,68 su Real5-OmniDocBench, un test su documenti reali (pagine scansionate, curve, fotografate o di traverso), e 54,7 su OCRBench v2. Sul fronte della velocità, lo sviluppatore annuncia 1,2 pagine al secondo su una scheda NVIDIA GeForce RTX 5090, pari a 1,49 volte PaddleOCR-VL-1.6 e 3,62 volte MinerU2.5 Pro, e fino a 128 pagine al minuto parallelizzando i trattamenti.

Per Jev, l’area sotto la curva ROC (AUROC, ×100), che misura la capacità di separare risultati buoni e cattivi, raggiungerebbe 93,6 su JevOCRBench, al di sopra di JEV-35B-A3B (90,1) e vicino a Qwen3.5-397B-A17B (93,8), un modello molto più grande. Ma questo banco di prova è quello dello sviluppatore, e il test su quattro motori OCR riguarda solo 200 campioni.

Pronto per il deploy

I due modelli funzionano fin dal lancio con vLLM, SGLang, llama.cpp e Ollama, esistono in versioni quantizzate (GGUF, AWQ, GPTQ) e possono essere affinati. OpenBMB cita un supporto del primo giorno presso Arm, Houmo AI, Intel e NVIDIA, e altri produttori di chip tramite FlagOS. Una demo online e un’API sono inoltre accessibili sulla piattaforma di ModelBest, verso cui rimanda l’annuncio.