MiniCPM-OCR 1.0 が狙うのは、文書作業の中でも最も手間のかかる仕事だ。スキャン画像や、スマートフォンで撮った紙のページ、PDF を使えるテキストに変えることである。2026 年 10 月 28 日、面壁智能（ModelBest）と OpenBMB オープンソースコミュニティは、GitHub で MiniCPM-OCR スイートをオープンソース化した。中心となるのは 13 億パラメータの MiniCPM-OCR 1.0 で、認識結果を採点する判定モデル MiniCPM-OCR Jev と組み合わされている。コード、ドキュメント、モデルの重みはいずれも Apache 2.0 ライセンスで公開された。
一つは読み取り、もう一つは読み取りのチェック
MiniCPM-OCR 1.0 は MiniCPM-V 4.6 を基に学習され、中国語と英語の文書を処理し、テキスト、表、数式、図表、印章、重要情報の抽出をカバーする。出力は Markdown に組み立てられる。解析の流れは、まず PP-DocLayoutV3 がレイアウト解析、領域の切り出し、読み順の決定を行い、各領域を並行してモデルに送って認識し、最後に結果を統合する。Jev はわずか 20 億パラメータで、元の画像と認識結果を受け取り、0 から 1 の品質スコアを返す。ユーザーは疑わしい領域だけを抜き出して確認でき、文書全体を読み直す必要はない。他の解析モデルの出力にもスコアを付けられる。
公式ベンチマークは高いが、導入には自分のテストが要る
開発者が公表した数値では、MiniCPM-OCR 1.0 は実世界の文書解析ベンチマークである Real5-OmniDocBench で 93.68 点、OCRBench v2 で 54.7 点を獲得した。NVIDIA RTX 5090 上で DSpark デコーディング高速化を用いると、エンドツーエンドの効率は 55% 向上し、スループットは毎秒約 1.2 ページに達する。これは PaddleOCR-VL-1.6 の約 1.49 倍、MinerU2.5 Pro の約 3.62 倍にあたる。Jev は JevOCRBench で AUROC 93.6 を記録し、開発者によれば Qwen3.5-397B-A17B の 93.8 に迫るという。これらはすべて発表者自身の測定値で、スコアは評価条件に左右される。本番の業務フローに入れるかどうかを本当に決めるのは、自社の文書での性能だ。スキャンの品質、レイアウトの複雑さ、手書きの割合が差を広げる。試用のハードルは少なくとも低い。初日から vLLM、SGLang、llama.cpp、Ollama に対応し、pip SDK、フル API、オンラインデモも用意されている。実際のファイルを数件通してみる方が、ベンチマークの数字だけを見るより多くを物語る。
