MiniCPM-OCR 1.0 获 vLLM 与 SGLang 原生支持
MiniCPM-OCR 1.0 获得 vLLM 和 SGLang 原生支持
面壁智能 OpenBMB 宣布 MiniCPM-OCR 1.0 已原生支持 vLLM 和 SGLang,代码已合并、可直接部署,OCR 能力保持不变。该模型为 1B 规模,在 Real5-OmniDocBench 得分 93.68、OCRBench v2 得分 54.7,配合 DSpark 速度达 PaddleOCR-VL-1.6 的 1.49 倍、MinerU2.5 Pro 的 3.62 倍。
OpenBMB· @OpenBMB · X·2026-11-16 14:36· 10 分钟前AI 评分58
AI 导读
面壁智能 OpenBMB 宣布 MiniCPM-OCR 1.0 已原生支持 vLLM 和 SGLang,代码已合并、可直接部署,将模型接入两个主流 LLM 推理框架。作者称这带来更简单的集成和更灵活的部署,OCR 能力保持不变。
正文 · 原文
🚀 MiniCPM-OCR 1.0 现已原生支持 vLLM 和 SGLang!
代码已合并、可直接部署,将 MiniCPM-OCR 接入两个广泛使用的 LLM 推理框架。
⚡ 更简单的集成。更灵活的部署。同样强大的 OCR 能力。
专为无缝融入你的技术栈而打造。🔥
在 X 查看被引用的帖子你的 OCR 说它完成了——但它真的全都识别对了吗?🤔 在高风险工作流中,哪怕一个小错误也可能代价高昂。
🚀 认识 MiniCPM-OCR 套件:一个开源解决方案,快速解析并校验结果。
两个新模型:
🔹 MiniCPM-OCR 1.0 — 在 1B 规模下实现 SOTA 级 OCR 性能与速度。紧凑、准确、快速。
🔹 MiniCPM-OCR Jev — 一个 2B 判别模型,帮助评估解析准确率,在 JevOCRBench 上的表现接近 Qwen3.5-397B-A17B。⚡ 有什么新东西?
小模型,SOTA 结果:MiniCPM-OCR 1.0 在 Real5-OmniDocBench 上得分 93.68,在 OCRBench v2 上得分 54.7。敏锐的守门员 🛡️:MiniCPM-OCR Jev 与模型无关,可校验来自不同 OCR 解析器的文本、公式和表格。它在 JevOCRBench 上达到 93.6,优于 JEV-35B-A3B(90.1),并接近 Qwen3.5-397B-A17B(93.8)。
每分钟最多 128 页 🤯:借助 DSpark,MiniCPM-OCR 的运行速度是 PaddleOCR-VL-1.6 的 1.49 倍,是 MinerU2.5 Pro 的 3.62 倍。SDK 的并发优化进一步将吞吐量提升至每分钟最多 128 页。
在你工作的地方部署:Day-0 支持 Arm、后摩智能、Intel 和 NVIDIA,并通过 FlagOS 支持另外 10 多家芯片厂商。
适配你的技术栈:vLLM、SGLang、llama.cpp 和 Ollama,并提供量化模型、微调支持和 Agent Skills。
🔗 GitHub:github.com/OpenBMB/MiniCPM-OCR
🤗 Hugging Face:
MiniCPM-OCR 1.0:huggingface.co/openbmb/MiniCP…
MiniCPM-OCR Jev:huggingface.co/openbmb/MiniCP…
👉 试用 Demo:platform.modelbest.ai/console…
使用 API:platform.modelbest.ai/console…
来源:OpenBMB · x.com
来源:RadarAI · aihot.news