纸质发票、扫描合同不用再手打了：MiniCPM-OCR 开源，1.3B 小模型专做文档解析

一叠扫描合同、一堆拍歪了的发票照片，要变成能搜索、能复制的文字，过去要么人工一页页敲，要么先修图再识别，错了还得逐页对。10 月 31 日，ModelBest 与 OpenBMB 联合开源了 MiniCPM-OCR 系列，专门冲着这个活儿来：一个负责把文档认出来，一个负责当“质检员”，替你把认错的地方挑出来。

对谁有用

最直接的受益者，是手头有大量纸质或图片文档要数字化的人：财务对账的发票、合同档案、图书馆的扫描件、学校的历史试卷。官方介绍里点名的场景也正是这些：金融合同档案、学术图书馆、政府记录，一次处理几百万页的量级。对普通读者来说，这不是一个装完就能点的手机 App，而是一套给开发者和团队用的开源模型——如果你只是偶尔要认几页纸，先用手机扫描或本站的 PDF 合并教程里提到的本地工具处理，犯不着为它搭一套系统。

有什么变化

这次一共开源了两个模型。MiniCPM-OCR 1.0 只有 13 亿参数，是 MiniCPM 家族里第一个专门做 OCR 的模型，官方称它在保持小体积、适合边缘设备部署的同时，解析精度达到了同类开源模型的前列。它号称不用繁琐的图像预校正，就能处理扫描件、实拍照片、弯曲、倾斜和截屏文档；中英双语密集排版、复杂数学公式、多级或无边框表格都在它的覆盖范围里；除了整页重建，还能按业务指令从发票、证件、财务报表里抽取指定字段。

另一个模型 MiniCPM-OCR Jev 只有 20 亿参数，本身不做识别，专门做判断：它把源图和 OCR 结果放在一起比对，给文字、LaTeX 公式和表格打可信度分数，找出缺字、错字和排版错位。官方称它的判断精度接近大得多的模型。关键在于它可以跨模型部署，不用换掉你现有的识别引擎：结果可靠的直接走流程，可疑的挑出来人工复核，多个识别系统出不同结果时，还能帮你选出最好的那一个。也就是说，质检从“逐页人工看”变成了“只看被标记的那几页”。

部署层面，这套模型已上架 GitHub、Hugging Face 与 ModelScope，支持 vLLM、SGLang、llama.cpp 和 Ollama，并提供 SDK、API、Agent Skill 插件与开源微调代码。官方还提到 DSpark 解码加速能提升整页处理速度、降低单页延迟——这是厂商的说法，本站没有实测，实际效果要以你自己的文档和硬件为准。

读者下一步能做什么

如果你是开发者或负责文档数字化的团队，可以去 GitHub、Hugging Face 或 ModelScope 上找 MiniCPM-OCR 系列，先用自己的样本测精度和质检命中率，再谈替换现有流程；如果你只是偶尔处理几份文件，继续用现成的扫描与 PDF 工具就好，模型本身不是给你直接用的成品。想了解同类开源 AI 模型的路子，可以看看本站之前写的 DeepSeek DeepInfer 开源解析。

相关阅读

• DeepSeek 把“上菜的机器”开源了：DeepInfer 意味着什么
• PDF 合并：多个 PDF 合成一个，用本站工具本地完成，不上传不加水印
• PDF 拆分：把一个 PDF 按页拆开，抽取指定页面另存新文件

信息来源：ModelBest / OpenBMB 官方公告（2026-10-31）；文中判断为本站观点，配图为写实风格概念图，非官方截图。