Acaban de lanzar un modelo OCR open-source de solo 1.300 millones de parámetros. Se llama MiniCPM-OCR 1.0 y viene acompañado de MiniCPM-OCR Jev, otro modelo que evalúa la fiabilidad de los resultados. Ambos desarrollados por OpenBMB y ModelBest. Entre ambos permiten: → Extraer texto, tablas y fórmulas de documentos... → Procesar PDFs y páginas escaneadas o fotografiadas → Trabajar con documentos inclinados o curvados → Incluir una puntuación de confianza en los resultados para facilitar su revisión manual → Ejecutarse con vLLM, SGLang y Ollama MiniCPM-OCR 1.0 ha conseguido 93,68 puntos en Real5-OmniDocBench, según sus benchmarks oficiales. Pero lo más interesante es Jev. En lugar de corregir los errores automáticamente, evalúa la fiabilidad de los resultados extraídos e incluye una puntuación de confianza para facilitar su revisión. Además, MiniCPM-OCR 1.0 incorpora KIE (Key Information Extraction), una funcionalidad para extraer información clave de los documentos. Y sí, los pesos de ambos modelos son abiertos. 🔗 GitHub: 🤗 Hugging Face: Más recursos y demo en el primer comentario 👇show more

🔍 MiniCPM-OCR Jev: 🧪 Prueba la demo: ⚙️ Documentación de la API:

Me quedo con el segundo modelo, el que evalúa la fiabilidad. En OCR de facturas el problema es el 5% que sale mal sin avisar. Con un score así mandas solo los dudosos a revisión humana. Y con 1.300M lo corres en local sin mandar documentos a ninguna API.

Lo bueno es Jev, que te dice qué revisar en vez de fingir que lo ha leído todo bien. Con un albarán escaneado torcido lo quiero ver

Totalmente. Ahí es donde Jev puede marcar la diferencia, detectando que resultados necesitan ser revisados en lugar de darlo todo por bueno.

Lo interesante de un modelo tan pequeño es que puede funcionar en local: digitalizar nóminas, facturas o el DNI sin subirlos a un servidor externo. Para documentos personales es lo más seguro.

Es uno de los puntos que más me gusta de este proyecto, ya que se trata de un modelo ligero, que puede ejecutarse en cualquier ordenador moderno, manteniendo los datos en tu propio equipo

Totalmente! Gracias por la info

Me gustan los modelos que saca estás gente. Merece las pena probarlo.

Sí, están sacando modelos bastante interesantes. Tengo curiosidad por ver cómo se comportan estos dos con documentos más complejos en pruebas reales.

Igual, que buen dato este, gracias.

@bot ブクマ

@grok 重みはどれくらいですか？図面の読み取りもしたいです。MACとWindowsどちらも対応してますか？

Para hacerse una idea del tamaño: 1.300 millones de parámetros en 16 bits ocupan unos 2,6 GB, como una película en HD. Cabe en un portátil normal y los documentos no salen de tu equipo. ¿Lo has probado con facturas o tickets escaneados?

Para facturas y albaranes de una pyme esto vale oro: si corre en local, los datos del cliente no salen del ordenador. Ese suele ser el "pero" que lo frena todo.

What makes this actually clever is the Jev pairing. It scores OCR reliability to cut manual review work, bundling extraction and verification together.