10月30日，小米官方宣布开源轻量级文档理解模型Xiaomi-OCR-0，模型权重与推理代码已同步上线HuggingFace和GitHub。该模型参数规模为0.8B，定位是单一模型同时覆盖文档解析、关键信息抽取与OCR视觉问答三类任务。

在文档解析方向，该模型可识别正文、表格与数学公式，按阅读顺序输出结构化结果，原生支持Markdown、LaTeX格式。关键信息抽取面向发票、收据、卡证和业务表单，依据指定字段定位并输出JSON等结构化数据。OCR视觉问答则允许围绕文档与图表内容进行跨区域检索、数值计算和语义推理。据官方披露，Xiaomi-OCR-0基于Qwen3.5-0.8B-Base基座构建，训练累计使用约1.7亿条OCR与文档理解样本，数据侧采用异构专家共识机制，并引入预测—重渲染—视觉比对的闭环校验流程，训练分为Q-Mask文本锚定、OCR持续预训练和混合任务强化学习三个阶段。

评测结果显示，在模拟扫描、纸张弯曲、屏幕翻拍、光照变化和倾斜拍摄五种真实采集方式的Real5-OmniDocBench上，Xiaomi-OCR-0得分为95.24分，在其对比模型中排名第一；综合基准OmniDocBenchv1.6中得分96.83分，位列总榜第二，在1B以下参数模型中排名第一。文档理解方面，该模型在DocVQA、InfoVQA、ChartQA、OCRBench和TextVQA五项基准上平均分为83.2分，高于HunyuanOCR-1.5、TokenVL-2B和TextHawk2等对比模型。落地层面，相关技术已用于手机端超级小爱，支持提取外卖取餐码、快递取件码、排队号等时效性信息，以及账单卡证字段抽取和日程卡片生成。小米除公开模型权重与推理代码外，还提供浏览器交互式Demo、MCP服务以及AgentSkill工具包。