گروه متن‌باز OpenBMB که خانواده مدل‌های MiniCPM را می‌سازد، مجموعه MiniCPM-OCR را عرضه کرده است؛ دو مدل باز و کوچک که یکی اسناد را می‌خواند و دیگری درستی خوانده‌ها را می‌سنجد. مخزن گیت‌هاب این پروژه روز ۲۷ اکتبر ۲۰۲۶ همراه با وزن‌ها در هاگینگ‌فیس عمومی شد و OpenBMB و شریک تجاری‌اش ModelBest روز ۳۱ اکتبر در یک بیانیه مطبوعاتی آن را معرفی کردند. کد، مستندات و وزن‌های هر دو مدل با مجوز Apache 2.0 منتشر شده‌اند.
مدل نخست، MiniCPM-OCR 1.0، یک میلیارد و سیصد میلیون پارامتر دارد و اولین مدل ویژه نویسه‌خوانی نوری در خانواده MiniCPM-V است. این مدل اسناد و فایل‌های پی‌دی‌اف چینی و انگلیسی را به قالب مارک‌داون یا جی‌سان تبدیل می‌کند و متن، جدول، فرمول، نمودار، مهر و استخراج اطلاعات کلیدی را پوشش می‌دهد. برای اسکن، عکس، صفحه‌های خمیده یا کج و سندهایی که از روی نمایشگر عکاسی شده‌اند هم طراحی شده است. OpenBMB امتیاز ۹۳٫۶۸ در محک Real5-OmniDocBench و ۵۴٫۷ در OCRBench v2 را گزارش می‌کند و آن را بهترین نتیجه میان مدل‌های باز می‌داند؛ سرعت پردازش هم حدود ۱٫۲ صفحه در ثانیه اعلام شده است. به گفته این گروه، فناوری شتاب‌دهی رمزگشایی DSpark کارایی کل فرایند را ۵۵ درصد بالا می‌برد و توان عملیاتی مدل حدود ۱٫۴۹ برابر PaddleOCR-VL-1.6 و ۳٫۶۲ برابر MinerU2.5 Pro است.
مدل دوم بخش متفاوت این عرضه است. MiniCPM-OCR Jev با دو میلیارد پارامتر خودش نویسه‌خوانی نمی‌کند. این مدل یک ناحیه از تصویر و متن پیشنهادی برای آن را، چه متن ساده باشد چه فرمول یا جدول، دریافت می‌کند و نمره‌ای میان صفر و یک برمی‌گرداند؛ بخش‌های مطمئن مستقیم رد می‌شوند و بخش‌های مشکوک نزد انسان می‌روند. این مدل با سامانه‌های دیگر هم کار می‌کند: OpenBMB در محک اختصاصی خود، JevOCRBench، مقدار ۹۳٫۶ را برای معیار AUROC گزارش می‌کند، در برابر ۹۰٫۱ برای یک داور ۳۵ میلیارد پارامتری و ۹۳٫۸ برای مدل بسیار بزرگ Qwen3.5-397B-A17B. در داوری خروجی چهار سامانه نویسه‌خوانی، از جمله خود MiniCPM-OCR 1.0، هم این مقدار میان ۹۱٫۹ و ۹۳٫۴ بوده است.
مستندات درباره معنای این نمره محتاط است. کاربران تشویق می‌شوند نتایج منتشرشده را آستانه اطمینان آماده فرض نکنند، بلکه نمونه‌ای از اسناد خودشان را برچسب بزنند، دقت و حجم بازبینی را در چند آستانه مختلف بسنجند و سپس مقدار مناسب را انتخاب کنند. معیار AUROC توان جداکردن پاسخ درست از نادرست را می‌سنجد، نه دقت متنی را که در نهایت پذیرفته می‌شود.
گزینه‌های راه‌اندازی از همان روز اول گسترده است. مدل‌ها روی vLLM، SGLang، llama.cpp و Ollama اجرا می‌شوند و نسخه‌های کم‌حجم‌شده متعددی دارند؛ یک کیت توسعه پایتون، یک رابط برنامه‌نویسی رایگان روی سکوی ModelBest و دستورالعمل تنظیم دقیق هم فراهم شده است. مخزن فایل‌های مهارتی دارد که به یک عامل برنامه‌نویسی اجازه می‌دهد مدل‌ها را خودش نصب کند و نخستین سند را پردازش کند. بیانیه مطبوعاتی از پشتیبانی فوری تراشه‌های AMD، Arm، Intel و NVIDIA و همچنین هواوی و چند سازنده چینی دیگر شتاب‌دهنده خبر می‌دهد.
تا ۲ نوامبر این مخزن حدود ۷۶۰ ستاره و صفحه مدل اصلی نزدیک به ۴۰۰ پسند گرفته بود. وب‌سایت‌های AI.info و Eigen Radar با تکیه بر مطالب OpenBMB این عرضه را پوشش دادند، اما هنوز آزمون مستقلی منتشر نشده است. این عرضه چند روز پس از معرفی مدل ۴ میلیاردی OCRia-1 از سوی LlamaIndex انجام شد و نشان می‌دهد رقابت در حوزه مدل‌های کوچک پردازش اسناد داغ است.
برای تیم‌هایی که سامانه‌های بازیابی و پردازش اسناد می‌سازند، نکته برجسته وجود همین داور جداگانه است: مدلی کوچک و باز که جاهای احتمالی خطای نویسه‌خوانی را نشان می‌دهد، می‌تواند حجم بازبینی دستی را کم کند، به شرط آنکه آستانه‌هایش با اسناد خود تیم تنظیم شود.