The Pulse
OpenBMB abbina un modello OCR da 1,3 miliardi di parametri a un valutatore degli errori da 2 miliardi
OpenBMB ha rilasciato MiniCPM-OCR 1.0, un modello da 1,3 miliardi di parametri per la lettura di documenti in cinese e in inglese, insieme a MiniCPM-OCR Jev, un modello separato da 2 miliardi di parametri che assegna un punteggio ai risulta
AI.info Team · Scritto con l’IA · verificato ·
OpenBMB ha rilasciato MiniCPM-OCR 1.0 e il modello che lo affianca, MiniCPM-OCR Jev, il 27 ottobre, abbinando al riconoscimento dei documenti un modello separato che valuta l’affidabilità del testo estratto. Il modello di analisi da 1,3 miliardi di parametri legge documenti in cinese e in inglese; il modello Jev da 2 miliardi di parametri assegna un punteggio ai risultati relativi a testo, formule e tabelle confrontandoli con la regione corrispondente dell’immagine. Entrambi sono disponibili come componenti open source con licenza Apache License 2.0, secondo il repository del progetto.
Un modello di analisi e un controllo qualità separato
MiniCPM-OCR 1.0 gestisce testo, tabelle, formule, grafici, timbri ed estrazione delle informazioni chiave. Il flusso di elaborazione dei documenti usa anche PP-DocLayoutV3 per individuare le regioni e l’ordine di lettura, quindi invia le regioni ritagliate al modello di riconoscimento e compone l’output in Markdown. OpenBMB afferma che il sistema gestisce i PDF, oltre a scansioni, fotografie, pagine inclinate, pagine incurvate e documenti acquisiti nuovamente.
Jev non esegue direttamente l’OCR. Riceve l’immagine di una regione del documento e un risultato candidato, poi restituisce un punteggio da 0 a 1: più il punteggio è alto, più il modello ritiene probabile che il risultato candidato sia corretto. I team possono sottoporre le regioni con punteggi bassi alla revisione umana oppure confrontare i risultati candidati prodotti da sistemi OCR diversi. OpenBMB afferma che Jev può valutare i risultati di altri modelli di analisi, tra cui GLM-OCR, PaddleOCR-VL-1.6 e Xiaomi-OCR-0.
Che cosa misurano i risultati dei benchmark di OpenBMB
OpenBMB riporta per MiniCPM-OCR 1.0 un punteggio di 93,68 su Real5-OmniDocBench e di 54,7 su OCRBench v2. L’azienda riporta inoltre una velocità di elaborazione di circa 1,2 pagine al secondo su quattro benchmark per l’analisi dei documenti e afferma che il suo metodo di decodifica DSpark migliora del 55% l’efficienza dell’elaborazione end-to-end. Si tratta di risultati dichiarati dal fornitore; il repository contiene un link a una guida per riprodurre le impostazioni dei test.
Per Jev, OpenBMB riporta un AUROC di 93,6 su JevOCRBench, rispetto a 90,1 per JEV-35B-A3B e 93,8 per Qwen3.5-397B-A17B. L’AUROC misura quanto bene un sistema di punteggio distingue i risultati candidati corretti da quelli errati; non equivale all’accuratezza del testo OCR accettato. In un test separato su diversi modelli di analisi, condotto con 200 campioni di JevOCRBench, l’azienda riporta valori AUROC compresi tra 91,9 e 93,4 per quattro modelli di analisi.
La soglia per la revisione resta una scelta dell’utente
La documentazione di Jev di OpenBMB mette in guardia dall’usare un risultato AUROC come soglia di affidabilità già pronta. Raccomanda di raccogliere ed etichettare esempi tratti dall’applicazione prevista, misurare sia l’accuratezza delle regioni accettate automaticamente sia il volume delle revisioni a soglie diverse, e poi verificare l’impostazione scelta su campioni indipendenti. La documentazione precisa che i risultati pubblicati non stabiliscono una soglia universale.
Questa precisazione conta nei flussi di lavoro che comprendono figure di piccole dimensioni, tabelle fitte o formati di documenti poco familiari: un punteggio di qualità può aiutare a stabilire le priorità dei controlli, ma non garantisce che l’estrazione sia corretta. OpenBMB afferma inoltre che Jev sceglie tra risultati candidati già esistenti, quindi il suo output resta limitato dalla copertura e dalla correttezza dei sistemi OCR messi a confronto.
Pesi aperti e diverse opzioni di distribuzione
Il repository elenca vLLM, SGLang, llama.cpp e Ollama tra gli ambienti di esecuzione supportati e offre i pesi dei modelli nei formati BF16, GGUF, AWQ e GPTQ. La guida al modello di analisi di OpenBMB descrive l’intero flusso di elaborazione dei documenti, dall’input in formato PDF o immagine al rilevamento del layout e al riconoscimento delle regioni, fino all’output in Markdown. Il rilascio offre agli sviluppatori un modello di analisi di piccole dimensioni e un modello separato per assegnare un punteggio alla qualità; per decidere quale punteggio sia sufficientemente affidabile per accettare un risultato, resta necessario effettuare test sui propri documenti.