MiniCPM-OCR 1.0 ist ein OCR-Spezialmodell mit 1,3 Milliarden Parametern von MiniCPM (OpenBMB), das sich dafür eignet, gescannte, fotografierte, gewellte oder schräg aufgenommene Dokumente lokal zu verarbeiten und als Markdown oder JSON auszugeben. Es ist kein allgemeines Chat-Modell: Prüfen Sie zuerst, ob Ihre Hardware und Ihr Anwendungsfall dazu passen, und entscheiden Sie dann, ob Sie mit dem SDK, mit Docker oder mit der kostenlosen API einsteigen.
Erst den Anwendungsfall prüfen, dann den Zugang wählen
- Gescannte und abfotografierte Dokumente sowie gewellte oder schräg liegende Papiervorlagen sind sein Hauptanwendungsgebiet; für gewöhnliche, saubere elektronische Dokumente braucht man es nicht unbedingt.
- Code, Gewichte und Dokumentation stehen vollständig unter der Apache-2.0-Lizenz. Die Gewichte liegen auf Hugging Face, der Code auf GitHub, in China ist auch ModelScope möglich.
- Aus derselben Reihe gibt es außerdem MiniCPM-OCR Jev mit 2 Milliarden Parametern, das nur Qualitätsbewertungen vergibt und keine Texterkennung durchführt – laden Sie nicht versehentlich die falschen Gewichte herunter.
- Vom ersten Tag an werden vier Inferenz-Frameworks unterstützt: vLLM, SGLang, llama.cpp und Ollama, ohne auf eine nachträgliche Anpassung warten zu müssen.
Lokal ausführen: zwei Umgebungen vorbereiten
- SDK-Umgebung installieren: Sie übernimmt die Layout-Erkennung und den Dokumentenaufbau. Der pip-Paketname lautet minicpm-ocr, das Kommandozeilen-Tool heißt minicpmvocr.
- Inferenzdienst-Umgebung starten: Hier läuft das eigentliche Erkennungsmodell. Halten Sie die beiden Umgebungen getrennt und installieren Sie nicht alles in einer einzigen Umgebung.
- Wer es bequem haben will, nimmt das Docker-Image: Das am 5. November 2026 veröffentlichte Image enthält Gewichte, SDK und vLLM. Voraussetzung sind Linux x86-64, eine NVIDIA-GPU, ein CUDA-12.9-kompatibler Treiber und das NVIDIA Container Toolkit.
- Speichern Sie die Ergebnisse nach dem Durchlauf als Markdown oder JSON, damit sie später durchsuchbar und archivierbar sind, statt sie nur einmal im Terminal anzusehen.
Auch auf dem Smartphone gibt es eine schlanke Variante: Seit dem 2. November 2026 kann die iOS-App Dokumente vollständig offline und lokal verarbeiten – derzeit nur unter iOS. Android-Nutzer sollten diesen Weg vorerst nicht erwarten.
Grenzen vorab: Das Modell löst nur die Dokumentenerkennung. Fragen beantworten, übersetzen und umschreiben müssen andere Modelle übernehmen. Die kostenlose API eignet sich, um die Wirkung zuerst auszuprobieren; für die regelmäßige Stapelverarbeitung empfiehlt sich die lokale Bereitstellung, bei der Ablauf und Daten in der eigenen Hand bleiben.
