面壁智能1.3B开源OCR模型横扫全球四项第一

几周前，DeepSeek用V4.1-Flash证明顶级模型不一定要天价。如今轮到OCR领域。面壁智能开源MiniCPM-OCR 1.0，仅1.3B参数，却同时拿下解析能力和效率两项第一，这是MiniCPM V/o家族首个OCR专用模型。但更引人注目的是同一天开源的另一个模型——MiniCPM-OCR Jev，它不答题只判卷，作为专职“裁判”戳破了AI圈心照不宣的秘密。

在腾讯HunyuanOCR-1.5、阿里系、智谱系等大厂纷纷发力文档解析OCR的背景下，MiniCPM-OCR 1.0以1.3B参数完成降维打击。6项核心测试中拿下4项SOTA：Real5-OmniDocBench 93.68（全场最高，专考手机随手拍、镜头畸变、反光翻拍）；Wild-OmniDocBench 92.39（全场领跑）；OCRBench v2 54.7（绝对压制，第二名47.0）；CHAOS-Bench 29.78（断崖领先，为第二名1.4倍以上）。该模型支持中英双语与PDF解析，在扫描、弯曲、拍照、倾斜及翻拍等场景下表现稳定。实测中，手写剧本、多字体英文、复杂发票、学霸笔记、揉皱教材复印页、涂鸦墙杂志、整版中文日报均能准确还原，发票印章税号与票面纳税人识别号一字不差，公式可转标准LaTeX，报纸刊号、邮发代号等小字无一遗漏。

效率方面，MiniCPM-OCR 1.0以1.217页/s吞吐量登顶，对比PaddleOCR-VL-1.6的0.818、MinerU2.5-Pro-Advanced的0.336、TeleOCR的0.141，单卡吞吐约为TeleOCR的8.6倍。其采用LLaVA-UHD v4视觉分片方案叠加DSpark投机采样解码加速，端到端效率提升55%，单张RTX 5090上平均不到1秒解析一页。小参数、轻架构、快解码使工业级文档解析管线可压缩进消费级显卡甚至边缘设备，让中小微企业、科研团队和独立开发者无需承担高昂算力税。

最核心的突破在于首提“可信OCR”。视觉语言模型天生带有幻觉，在金融核保、法务合同、医疗病历等严苛业务中，1%的不可控风险可能招来千万级合规灾难。不知道错在哪的99分和0分一样，最终都需人类兜底。过去行业思路是把解析和自检塞进同一个巨无霸模型，但让大模型给自己打分如同让考生自己判卷，永远盲目自信。面壁智能的破局之道是分工协作：MiniCPM-OCR 1.0专注识别，决策模型MiniCPM-OCR Jev负责识别结果的可信度，对文本、公式和表格候选评分。“感知生成”与“理性裁决”在AI架构中第一次被彻底拆开，这也是业内第一次有人把解析模型和决策模型打包一起开源。