A OpenBMB, grupo de código aberto responsável pela família de modelos MiniCPM, lançou o MiniCPM-OCR, um par de modelos abertos e compactos: um para ler documentos, outro para verificar o que foi lido. O repositório no GitHub ficou público a 27 de outubro de 2026, com os pesos no Hugging Face, e a OpenBMB e a empresa parceira ModelBest anunciaram a série num comunicado de imprensa a 31 de outubro. Código, documentação e pesos de ambos os modelos estão sob licença Apache 2.0.
O MiniCPM-OCR 1.0 tem 1,3 mil milhões de parâmetros e é o primeiro modelo da família MiniCPM-V dedicado ao reconhecimento ótico de caracteres. Converte documentos e PDF em chinês e inglês para Markdown ou JSON, incluindo texto corrido, tabelas, fórmulas, gráficos, carimbos e extração de campos-chave, e foi pensado para digitalizações, fotografias, páginas curvas ou tortas e documentos fotografados a partir de um ecrã. A OpenBMB indica 93,68 pontos no Real5-OmniDocBench e 54,7 no OCRBench v2, que apresenta como o melhor resultado entre modelos abertos, e cerca de 1,2 páginas por segundo. Atribui à sua aceleração de descodificação DSpark um ganho de 55% na eficiência global e diz processar cerca de 1,49 vezes mais do que o PaddleOCR-VL-1.6 e 3,62 vezes mais do que o MinerU2.5 Pro.
O segundo modelo é a parte mais original do lançamento. O MiniCPM-OCR Jev, com 2 mil milhões de parâmetros, não faz reconhecimento. Recebe uma zona da imagem e uma transcrição candidata, seja texto, fórmula ou tabela, e devolve uma pontuação entre 0 e 1: as zonas fiáveis seguem diretamente, as duvidosas vão para uma pessoa. Funciona também com outros sistemas: a OpenBMB reporta uma AUROC de 93,6 no seu próprio JevOCRBench, contra 90,1 de um avaliador com 35 mil milhões de parâmetros e 93,8 do Qwen3.5-397B-A17B, e valores entre 91,9 e 93,4 ao julgar resultados do MiniCPM-OCR 1.0, GLM-OCR, PaddleOCR-VL-1.6 e Xiaomi-OCR-0.
A documentação é prudente quanto ao significado dessa nota. Pede que os resultados publicados não sejam usados como limiar de confiança pronto a aplicar e recomenda rotular uma amostra dos próprios documentos, medir a exatidão e o volume de revisão para vários cortes e só depois escolher um valor. A AUROC mede a capacidade de separar respostas certas de erradas, não a exatidão do texto aceite.
As opções de instalação são amplas desde o primeiro dia. Os modelos correm em vLLM, SGLang, llama.cpp e Ollama, com pesos BF16, GGUF, AWQ e GPTQ, um SDK para pip, uma API gratuita na plataforma da ModelBest e receitas de ajuste fino para LLaMA-Factory e Swift. O repositório inclui ainda ficheiros SKILL.md que permitem a um agente de programação instalar os modelos e processar sozinho um primeiro documento. O comunicado refere compatibilidade imediata com processadores da AMD, Arm, Intel e NVIDIA, bem como com o Huawei Ascend e vários outros fabricantes chineses de aceleradores.
A 2 de novembro o repositório tinha cerca de 760 estrelas e a página principal do modelo perto de 400 gostos. O AI.info e o Eigen Radar noticiaram o lançamento com base no material da OpenBMB; ainda não há testes independentes. O anúncio surge poucos dias depois de a LlamaIndex ter apresentado o OCRia-1, de 4 mil milhões de parâmetros, num segmento cada vez mais concorrido de modelos compactos para documentos.
Para quem constrói sistemas de pesquisa e tratamento documental, a ideia que mais se destaca é o avaliador separado: um pequeno modelo aberto que aponta onde o OCR provavelmente falhou pode reduzir a verificação manual, desde que os limiares sejam afinados com os documentos da própria equipa.