MiniCPM-OCR 1.0 s'attaque à l'une des tâches les plus ingrates du travail documentaire : transformer des scans, des pages photographiées au téléphone et des PDF en texte utilisable. Le 28 octobre 2026, ModelBest et la communauté open source OpenBMB ont publié en open source la suite MiniCPM-OCR sur GitHub. Le modèle principal est MiniCPM-OCR 1.0, avec 1,3 milliard de paramètres, accompagné de MiniCPM-OCR Jev, un modèle de jugement qui note les résultats de reconnaissance ; le code, la documentation et les poids du modèle sont tous publiés sous licence Apache 2.0.
Un modèle lit, l'autre vérifie la lecture
MiniCPM-OCR 1.0 repose sur MiniCPM-V 4.6 et traite les documents en chinois et en anglais. Il couvre le texte, les tableaux, les formules, les graphiques, les sceaux et l'extraction d'informations clés, et sa sortie peut être assemblée en Markdown. Le pipeline commence par PP-DocLayoutV3 pour l'analyse de la mise en page, le découpage des zones et l'ordre de lecture, puis envoie les zones au modèle en parallèle pour la reconnaissance, et fusionne enfin les résultats. Jev, avec seulement 2 milliards de paramètres, prend l'image d'origine et le résultat de reconnaissance et renvoie un score de qualité de 0 à 1 : l'utilisateur peut ainsi isoler les zones douteuses pour les vérifier, au lieu de relire tout le document ; il peut aussi noter la sortie d'autres modèles d'analyse.
Les scores officiels sont élevés, mais le déploiement réel exige son propre test
Selon les chiffres publiés par les développeurs, MiniCPM-OCR 1.0 obtient 93,68 points sur Real5-OmniDocBench, un banc d'essai pour l'analyse de documents réels, et 54,7 points sur OCRBench v2. Sur une Nvidia RTX 5090, avec l'accélération de décodage DSpark, l'efficacité de bout en bout progresse de 55 % et le débit atteint environ 1,2 page par seconde — soit environ 1,49 fois celui de PaddleOCR-VL-1.6 et 3,62 fois celui de MinerU2.5 Pro. Jev atteint un AUROC de 93,6 sur JevOCRBench, ce qui, selon les développeurs, approche les 93,8 de Qwen3.5-397B-A17B. Ce sont les mesures propres de l'éditeur, et les scores dépendent du protocole d'évaluation ; ce qui décidera vraiment si le modèle a sa place dans un flux de production, c'est sa performance sur vos propres documents, où la qualité des scans, la complexité de la mise en page et la part de l'écriture manuscrite creusent les écarts. La barrière à l'essai est au moins basse : dès le premier jour, le modèle prend en charge vLLM, SGLang, llama.cpp et Ollama, avec en plus un SDK pip, une API complète et une démonstration en ligne. Faire passer quelques fichiers réels en dit plus long que les seuls scores de référence.
