面壁智能 MiniCPM-OCR 原生支持 vLLM 与 SGLang 推理框架
面壁智能 MiniCPM-OCR 1.0 原生支持 vLLM 与 SGLang 推理框架
OpenBMB 宣布 MiniCPM-OCR 原生支持 vLLM 与 SGLang 两大开源推理框架,开发者可更便捷地将其集成到现有工作流。
OpenBMB· @OpenBMB · X·2026-11-16 14:43· 1 小时前AI 评分61
AI 导读
OpenBMB 宣布 MiniCPM-OCR 原生支持 vLLM 与 SGLang 两大开源推理框架,便于开发者将 MiniCPM-OCR 集成到现有工作流中。作者强调其 OCR 能力强、部署灵活、开源生态持续扩大。
正文 · 原文
🚀 MiniCPM-OCR 🤝 vLLM & SGLang
原生支持两大领先的开源推理框架——@vllm_project 和 @sgl_project——让开发者更容易将 MiniCPM-OCR 集成到现有工作流中。
⚡ 强大的 OCR、灵活的部署,以及不断壮大的开源生态。
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,既能快速解析,又能校验结果。
两个新模型:
🔹 MiniCPM-OCR 1.0 — 在 1B 规模下实现 SOTA 的 OCR 性能与速度。紧凑、准确、快速。
🔹 MiniCPM-OCR Jev — 一个 2B 决策模型,帮助评估解析准确率,在 JevOCRBench 上的表现接近 Qwen3.5-397B-A17B。⚡ 有哪些新东西?
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。一位敏锐的守门员 🛡️:MiniCPM-OCR Jev 与模型无关,可检查来自不同 OCR 解析器的文本、公式和表格。它在 JevOCRBench 上达到 93.6,超过 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、Houmo AI、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