OpenBMB, le collectif open source à l'origine de la famille MiniCPM, a dévoilé MiniCPM-OCR, deux modèles ouverts et compacts : l'un pour lire les documents, l'autre pour contrôler ce qui a été lu. Le dépôt GitHub est devenu public le 27 octobre 2026, avec des poids sur Hugging Face, puis OpenBMB et son partenaire ModelBest ont annoncé la série par communiqué le 31 octobre. Code, documentation et poids des deux modèles sont diffusés sous licence Apache 2.0.
Le premier, MiniCPM-OCR 1.0, compte 1,3 milliard de paramètres et inaugure la reconnaissance optique de caractères dans la famille MiniCPM-V. Il convertit documents et PDF chinois ou anglais en Markdown ou en JSON, y compris texte courant, tableaux, formules, graphiques, tampons et extraction de champs clés, et vise aussi les numérisations, photos, pages courbées ou inclinées et documents photographiés sur écran. OpenBMB annonce 93,68 points sur Real5-OmniDocBench et 54,7 sur OCRBench v2, qu'elle présente comme le meilleur niveau parmi les modèles ouverts, et environ 1,2 page par seconde. Elle attribue à son accélération de décodage DSpark un gain d'efficacité de 55 % et revendique un débit environ 1,49 fois supérieur à PaddleOCR-VL-1.6 et 3,62 fois supérieur à MinerU2.5 Pro.
Le second modèle constitue l'aspect le plus original. MiniCPM-OCR Jev, avec 2 milliards de paramètres, ne fait pas de reconnaissance. À partir d'une zone d'image et d'une transcription candidate, texte, formule ou tableau, il renvoie une note comprise entre 0 et 1 : les zones fiables passent directement, les autres partent vers un relecteur. Il fonctionne aussi avec d'autres systèmes : OpenBMB fait état d'une AUROC de 93,6 sur son propre JevOCRBench, contre 90,1 pour un évaluateur de 35 milliards de paramètres et 93,8 pour Qwen3.5-397B-A17B, et de valeurs entre 91,9 et 93,4 sur les sorties de MiniCPM-OCR 1.0, GLM-OCR, PaddleOCR-VL-1.6 et Xiaomi-OCR-0.
La documentation reste prudente sur la portée de cette note. Elle déconseille d'utiliser les résultats publiés comme seuil de confiance clé en main et recommande d'annoter un échantillon de ses propres documents, de mesurer l'exactitude et le volume de relecture pour plusieurs seuils, puis seulement de trancher. L'AUROC mesure la capacité à distinguer bonnes et mauvaises réponses, pas l'exactitude du texte retenu.
Les options de déploiement sont nombreuses dès la sortie. Les modèles tournent sur vLLM, SGLang, llama.cpp et Ollama, avec des poids BF16, GGUF, AWQ et GPTQ, un SDK pip, une API gratuite sur la plateforme de ModelBest et des recettes d'affinage pour LLaMA-Factory et Swift. Le dépôt fournit aussi des fichiers SKILL.md grâce auxquels un agent de programmation peut installer les modèles et traiter seul un premier document. Le communiqué mentionne une prise en charge immédiate des puces AMD, Arm, Intel et NVIDIA, mais aussi de Huawei Ascend et de plusieurs autres fabricants chinois d'accélérateurs.
Au 2 novembre, le dépôt comptait environ 760 étoiles et la page du modèle principal près de 400 mentions j'aime. AI.info et Eigen Radar ont couvert la sortie en s'appuyant sur les documents d'OpenBMB ; aucun test indépendant n'a encore paru. Le lancement intervient quelques jours après OCRia-1, le modèle d'analyse de 4 milliards de paramètres de LlamaIndex, sur un créneau de plus en plus disputé.
Pour les équipes qui bâtissent des chaînes de recherche documentaire, l'idée marquante reste ce juge séparé : un petit modèle ouvert capable de signaler les erreurs probables de l'OCR pourrait alléger la relecture manuelle, à condition d'en régler les seuils sur ses propres documents.