简介：文档解析卷到了 1.3B
面壁智慧发布并开源 MiniCPM-OCR 系列，包含 1.3B 端到端解析模型与 2B 调优（评判）模型。成绩单：MiniCPM-OCR 1.0（1.3B）在 Real5-OmniDocBench 拿到 93.68 分、OCRBench v2 拿到 54.7 分，位列端到端轻量模型第一梯队。经 DSpark 加速后吞吐达到每秒 1.217 页，端到端处理效率提升 55%。
为什么"端到端"是关键词
传统 OCR 流水线是拼接式的：版面分析 → 文本检测 → 文字识别 → 结构还原，四步四个模型，每一步的错误都会向后累积。端到端模型的思路是一步到位：图片进，结构化的 Markdown/JSON 出，表格还原成表格、公式还原成 LaTeX、阅读顺序自动理清。
1.3B 的参数量意味着它可以跑在消费级硬件甚至端侧设备上——这是与那些"效果很好但必须上 A100"的文档大模型最大的区别。
核心能力与应用场景
- 企业文档数字化：合同、发票、报表批量转结构化数据，本地部署满足合规要求；
- 知识库建设：扫描件 PDF 转可检索文本，配合 RAG 使用；站内的 Glean 企业搜索评测里提过，文档解析质量直接决定企业搜索的上限；
- 评估模型配套：2B 评判模型可以对解析结果自动打分，形成"解析-校验"闭环，这在批量生产环境里非常实用；
- 端侧场景：政务、金融等数据不出域的扫描识别。
与其他方案的取舍
选型逻辑很简单：
- 追求极致精度、预算充足 → 云端文档大模型，93 分的 1.3B 仍有差距空间；
- 追求成本与隐私、量大 → MiniCPM-OCR 本地批量跑，每秒 1.2 页的单卡吞吐，一张卡一天能处理 10 万页级；
- 通用搜索场景 → 结合全文检索使用，可参考 AI 搜索工具对比选择上层产品。
优点与不足
优点：轻量到消费级硬件可跑；端到端架构免去多模型拼接；开源权重可商用部署；配套评判模型形成质量闭环；吞吐优化后批量成本极低。
不足：极端复杂版式（多栏混排+手写批注）与顶级闭源模型仍有差距；手写体识别能力有限；需要自行搭建批量调度与监控。
适合谁与总结
适合有大批量文档处理需求的企业、做 RAG/知识库产品的团队、以及数据必须本地化的行业用户。
总结：MiniCPM-OCR 证明了一件事——文档解析不需要大参数。1.3B 就能做到第一梯队，配合加速每秒一页多，把"每页解析成本"压到了几乎可以忽略的水平。对企业用户来说，真正的工作量从"模型选型"转移到了"数据流水线建设"，这才是开源轻模型带来的格局变化。