OpenBMB 发布 MiniCPM-OCR：OCR 识别与质量检查双模型组合
OpenBMB 把 OCR 拆成两个模型：1.3B 的负责识别，2B 的专门挑错，还能检查 PaddleOCR 的结果，吞吐量比 MinerU2.5 Pro 高 3.62 倍。
OpenBMB 推出 MiniCPM-OCR 套件，由两个模型分工协作：MiniCPM-OCR 1.0（1.3B）负责识别扫描件 PDF 和文档照片中的文字、表格、公式并输出结构化内容；MiniCPM-OCR Jev（2B）专门给 OCR 结果的可靠性打分，解决识别成功但内容有错的问题。性能方面，MiniCPM-OCR 1.0 用 DSpark 加速后吞吐量达到 PaddleOCR-VL-1.6 的 1.49 倍、MinerU2.5 Pro 的 3.62 倍，结合 SDK 并发优化最高每分钟处理 128 页。Jev 可以独立使用，也能检查 GLM-OCR、PaddleOCR 等其他模型的输出。这套解析加质检再加按风险复核的流程更贴近企业文档处理场景。
OpenBMB刚上了一套OCR模型：MiniCPM-OCR，它把 OCR识别和OCR质量检查结合了起来，不仅会解析文档，还得判断自己有没有识别错
解决OCR成功但不一定识别正确的问题
两个模型组合，一个干活，一个质检 MiniCPM-OCR 1.0，1.3B，负责识别和解析文档，小、高精度、高速度 MiniCPM-OCR Jev，2B，专门检查OCR结果可靠性
输入扫描件PDF或文档照片，MiniCPM-OCR 1.0识别文字、表格、公式，输出结构化内容，Jev给结果质量打分
MiniCPM-OCR 1.0用DSpark加速后，吞吐量能到 PaddleOCR-VL-1.6的1.49倍、MinerU2.5 Pro的3.62倍。结合SDK并发优化，说是最高每分钟能并发处理128页
MiniCPM-OCR Jev不一定非得配MiniCPM，也能检查 GLM-OCR、PaddleOCR等的结果
OCR解析+AI质检+按风险复核这套工作流，应该是更接近企业使用场景的
#OCR #MiniCPM #AI文档解析
