小米开源了 Xiaomi-OCR-0，只有 8 亿参数，基于阿里的 Qwen3.5-0.8B 继续训练，用了约 1.7 亿条 OCR 与文档理解样本。 它能干三类活，不只是把图片里的字抄出来： 文档解析：把文字、复杂表格、数学公式转成可编辑内容 信息抽取：从发票、收据、证件里提取指定字段，直接输出 JSON 视觉问答：根据文档和图表内容回答问题 训练上有两个细节：数据清洗时让多个 OCR 模型交叉核对结果；复杂表格和公式的识别结果会重新渲染成图片和原图比对，抓错位、漏字。训练分阶段，先练识别和版面解析，再加抽取、问答任务。…