중국 전자업체 Xiaomi가 10월 30일 문서 이해 모델 Xiaomi-OCR-0을 오픈소스로 공개했다. 가중치와 추론 코드는 Hugging Face와 GitHub에서 받을 수 있다. 파라미터는 0.8B다.
한 모델이 맡는 세 가지 작업
▼ Xiaomi-OCR-0 지원 작업 (출처: Xiaomi 발표)
| 작업 | 내용 | 출력 |
|---|---|---|
| 문서 파싱 | 본문·표·수식 인식 | 읽기 순서 구조화 결과(Markdown, LaTeX) |
| 핵심 정보 추출 | 영수증·신분증·양식 등에서 요청 필드 탐색 | JSON |
| OCR 시각 질의응답 | 영역 간 조회, 수치 계산, 문서·차트 추론 | 답변 |
핵심 정보 추출 대상은 송장, 영수증, 신분증, 업무 양식이다.
학습 방식
Qwen3.5-0.8B-Base를 기반으로 약 1억 7,000만 건의 OCR·문서 샘플로 학습했다. 여러 OCR 전문 모델이 교차 검토하고 투표해 라벨을 걸렀다. 어려운 표와 수식은 결과를 이미지로 다시 그려 원본과 픽셀·구조 단위로 비교하는 방식으로 오류를 찾았다. 다국어 텍스트, 고문서 필기체, 화면 모아레, 왜곡된 조명을 합성한 사례도 더했다.
학습은 세 단계다. 시각 영역과 텍스트 토큰을 맞추는 텍스트 앵커링, 수백억 토큰 규모의 OCR 추가 사전학습, 구조 편집 거리와 표 매칭 점수 같은 검증 가능한 보상을 쓴 혼합 과제 강화학습 순이다.
성능: 1B 미만 모델 중 선두
▼ 주요 벤치마크 점수 (출처: Xiaomi, 자체 측정)
| 벤치마크 | 점수 |
|---|---|
| OmniDocBench v1.6 | 96.83 |
| Real5-OmniDocBench | 95.24 |
| Wild-OmniDocBench | 87.94 |
| UniMER-Test(수식) | 97.84 |
| PubTabNet(표 구조) | 92.27 |
OmniDocBench v1.6에서는 전체 2위이며 1위와 0.04점 차이다. 파라미터 1B 미만 모델 중에서는 1위다. DocVQA, InfoVQA, ChartQA, OCRBench, TextVQA 평균은 83.2로, HunyuanOCR-1.5(76.5)와 8B MiniCPM-V-4.5(82.6)보다 높고 Qwen3.5-4B(84.9)보다 낮다. 수치는 모두 Xiaomi가 직접 밝힌 값이다.
공개 범위와 활용
가중치와 추론 코드 외에 브라우저 데모, MCP 서비스, Agent Skill 툴킷도 개발자용으로 제공한다. Xiaomi는 같은 기술이 자사 스마트폰의 Super XiaoAi 어시스턴트에 이미 적용돼 있다고 밝혔다. 화면에서 택배 수령 코드, 대기 번호, 청구서 내역, 회의 시간을 뽑아낸다.
한국어 문서를 다루는 개발자라면 0.8B라는 크기와 공개 범위(가중치·추론 코드)를 먼저 확인할 만하다.
