MiniCPM-OCR 1.0 est un modèle spécialisé dans l'OCR, de 1,3 milliard de paramètres, publié par OpenBMB. Il permet de traiter en local des documents scannés, photographiés, courbés ou inclinés, et produit du Markdown ou du JSON. Ce n'est pas un modèle de conversation généraliste : vérifiez d'abord que votre machine et votre usage correspondent, puis choisissez entre le SDK, Docker ou l'API gratuite.
D'abord vérifier l'usage, puis choisir l'accès
- Les documents scannés, rephotographiés, courbés ou inclinés sont son terrain de prédilection ; les documents électroniques ordinaires et bien nets n'en ont pas forcément besoin.
- Le code, les poids et la documentation sont entièrement sous licence Apache 2.0. Les poids sont sur Hugging Face, le code sur GitHub, et ModelScope est aussi disponible.
- La même famille comprend aussi MiniCPM-OCR Jev, un modèle de 2 milliards de paramètres qui se contente de noter la qualité et ne fait pas de reconnaissance de texte : ne téléchargez pas les mauvais poids.
- Dès le premier jour, quatre frameworks d'inférence sont pris en charge : vLLM, SGLang, llama.cpp et Ollama, sans attendre une adaptation ultérieure.
Pour l'exécuter en local, préparer deux environnements
- Installer l'environnement SDK : il s'occupe de la détection de la mise en page et de l'assemblage du document. Le paquet pip s'appelle minicpm-ocr et l'outil en ligne de commande minicpmvocr.
- Lancer l'environnement du service d'inférence : c'est là que tourne réellement le modèle de reconnaissance. Gardez les deux environnements séparés au lieu de tout installer dans un seul.
- Pour aller au plus simple, utilisez l'image Docker : publiée le 5 novembre 2026, elle contient les poids, le SDK et vLLM. Elle exige Linux x86-64, un GPU NVIDIA, un pilote compatible CUDA 12.9 et le NVIDIA Container Toolkit.
- Après l'exécution, enregistrez les résultats en Markdown ou en JSON pour pouvoir les retrouver et les archiver, plutôt que de les regarder une seule fois dans le terminal.
Il existe aussi une variante légère sur mobile : depuis le 2 novembre 2026, l'application iOS peut analyser les documents entièrement hors ligne et en local — iOS uniquement pour l'instant, les utilisateurs d'Android ne doivent donc pas attendre cette voie.
Précisons les limites : ce modèle ne résout que la reconnaissance de documents. Répondre aux questions, traduire et reformuler relèvent d'autres modèles. L'API gratuite permet de tester le résultat, mais pour un traitement régulier par lots, le déploiement local est préférable : le processus et les données restent entre vos mains.
