新智元报道 几周前，DeepSeek用V4.1-Flash再次告诉全世界：顶级模型，不一定要天价！ 今天，轮到OCR了。 面壁智能开源的MiniCPM-OCR 1.0，只有1.3B参数，却同时拿下解析能力和效率两项第一，把一众大厂模型甩在身后。 这是MiniCPM V/o 家族首个OCR专用模型。 但这，还远不是这次发布最狠的地方。 真正打破旧秩序的，是同一天开源的另一个模型—— MiniCPM-OCR Jev 。 奇怪的是，作为OCR新王身边的「红人」，它竟然连一个字都不吐。不答题，只判卷。一个OCR新王，为什么要给自己配一个专职的「裁判」？ 这个反常的举动，恰恰戳破了整个AI圈心照不宣的秘密。 国产OCR开源新王 1.3B小个子以小博大 如腾讯HunyuanOCR-1.5、阿里系/智谱系大模型等一众大厂模型，纷纷发力文档解析OCR领域。 在这个大模型动辄将参数堆到几百B（十亿）、算力如流水的年代，面壁智能开源了 MiniCPM-OCR 1.0 。它只有 1.3B 的参数，完成了一次教科书般的降维打击。 MiniCPM-OCR 1.0杀出重重包围，几乎撑爆了整个多边形的边界。 在6项核心测试中，它以碾压之势拿下了4项SOTA（业内最佳）： Real5-OmniDocBench：93.68（全场最高） 。这可不是实验室里的高清扫描件，而是专考手机随手拍、镜头畸变、反光翻拍的「魔鬼考场」。 Wild-OmniDocBench：92.39（全场领跑） 。专治五花八门的野生真实文档，远超同量级的竞品。 OCRBench v2：54.7（绝对压制） 。在通用字符识别与关键信息抽取上，把第二名（47.0）远远甩在身后。 CHAOS-Bench：29.78（断崖领先） 。这项测试考的是忠实度，在强语义先验噪声的干扰下，模型能否忠实于图片进行识别，最终它的得分是第二名的1.4倍以上。 MiniCPM-OCR 1.0晋升为开源OCR新王。 一手实测，「地狱级」文档全通关 MiniCPM-OCR 1.0文档解析能力一骑绝尘，支持中英双语文档与 PDF 解析，兼顾标准文档和复杂采集条件，在扫描、弯曲、拍照、倾斜及翻拍等场景下保持稳定表现。 话不多说，咱们先来上实测，看看这个MiniCPM-OCR究竟有多能打？ 比如国外网友手写的剧本，几乎秒杀： 再比如，多字体的英文识别，也轻松拿下。 再比如，我们生活中常见的发票，到底有多难认？ 红色表格线、两枚压字的印章、密密麻麻的数字和乱码，几乎集齐了文档识别的所有「坑」。 MiniCPM-OCR 1.0的答卷是：结构一层没塌。 购买方、销售方、密码区左右分栏，合并单元格原样还原；发票代码、校验码、18 位纳税人识别号、16 位银行账号，这些错一位就作废的长串数字，逐位对上。 连压在字上的红章，它也知道单独切出来，不让印泥糊进正文。一张图丢进去，吐出来的就是一份结构化的电子表格。 开启印章识别模式，连右下角那枚红色印章，它也读出来了：「发票专用章 919482156H7AUG96EU」。章上这串比正文还小的税号，和票面上销售方的纳税人识别号一字不差。 票面和章面一对，核验真伪就多了一道依据。 再让MiniCPM-OCR 1.0识别下学霸笔记。拍的时候一道斜阳正好打在纸上，半页泛着橙光。 内容是用费马的「虚拟相等法」求抛物线最大值：一边推公式，一边画曲线，箭头、批注、方框挤成一团。 MiniCPM-OCR 1.0 把整条推导链逐行还原成了标准 LaTeX。带分数线的约分、上下标，一步不乱，最后落在圈出来的结论 b − (x₁ + x₂) = 0。 还有两张手绘示意图被单独切成图片保留。即便是光线再乱、字迹再潦草，推导的逻辑一步没丢。 下面这张被揉皱的英文教材复印页，出自Gilbert Strang的经典教材，满页都是矩阵和不等式。 MiniCPM-OCR 1.0先把图片自动摆正2°，再逐行还原。分块矩阵 [A −I]、上标 x*、下标 x₁，全部转成可直接渲染的LaTeX。 还有第7题的4×4矩阵，一个数都没错。一张皱巴巴的复印纸，就这样变回了一页干净的电子教材。 下面加大难度，让它去识别一个随手拍下的一页杂志。 一张涂鸦墙满版照片、几种字体的大标题挤在一起。最难的一块，是印在砖墙涂鸦照片上的白色小字。 背景花得几乎看不清，MiniCPM-OCR 1.0 还是把「Getting real」这段的四个自然段完整读了出来，照片则被单独切成图片。 一页杂志拍下来，就是一篇能直接复制、翻译、检索的文章。 再来看下面这一整版中文的日报，八篇稿件挤在同一张版面上：横排、竖排标题混搭，正文切成密密麻麻的窄栏，新闻照片穿插其间，还有「下转第四版」的跨版提示。 MiniCPM-OCR 1.0 像一位老编辑，把这张报纸重新拆了一遍
