Cet article est disponible en anglais pour le moment.
Xiaomi releases 0.8B OCR model
Xiaomi Research released Xiaomi-OCR-0, a 0.8-billion-parameter model for document understanding and OCR under the Apache-2.0 license. The company says it competes with larger systems on several document benchmarks.
AlphaSignal5 nov. 2026
1 min de lecture
Built on Qwen3.5-0.8B-Base, the model supports page parsing, text extraction from selected regions, schema-based information extraction, and visual question answering. Xiaomi reports training on roughly 170 million samples and a mean score of 83.2 across five OCR-VQA benchmarks.
Weights and GGUF quantizations are available, with Transformers support documented. The roughly 1.8 GB Ollama package is an experimental community build. The reported results are company-supplied benchmark scores.
Pourquoi c’est important
A compact model can be tested for OCR and structured extraction on documents using local or established inference setups.
GUIDES
Quelque chose à essayer
As a hypothetical exercise, test a non-sensitive scanned document and check whether tables and reading order are preserved.
PUSULAM / COMPRENDRE
Une bonne question change tout.
Décortiquons cet article ensemble. Demandez ce qu’il signifie, pourquoi il est important ou comment mettre cette idée en pratique.
Un aperçu personnaliséPour votre travail et vos centres d’intérêt
Qu’est-ce que cela signifie pour vous ?
Une explication adaptée à votre travail et à vos centres d’intérêt.
Parlez-nous un peu de vous pour recevoir une explication adaptée.
PUSULAM / COMMUNITY
La conversation
Qu’est-ce que cela a changé pour vous ? Partagez un exemple utile ou posez une question aux autres lecteurs.
Bark, un modèle open source, peut générer de la parole, de la musique, des rires et des effets sonores à partir d’une seule consigne textuelle. La source indique qu’il prend en charge 13 langues et plus de 100 préréglages vocaux, mais qu’il peut modifier le texte ou ajouter des sons inattendus. Bark génère des clips audio d’environ 13 à 14 secondes et est distribué sous licence MIT. La source indique qu’il faut environ 12 Go de mémoire GPU pour les modèles complets, et que des variantes plus petites sont disponibles pour une utilisation avec moins de mémoire.
AutoTrust Labs released JEV-27B v1.1, a 27-billion-parameter model that returns option probabilities rather than free-form text. The company reports a score of 67.31 across 37 benchmarks; the model supports multiple-choice and yes/no questions only. The model selects among supplied options and returns a probability distribution. It stands out on tool selection and intent classification, but is weaker on open-ended reasoning and some other tests.
Une étude constate que les modèles d’IA peuvent détecter certains comportements répréhensibles dans les journaux d’agents, mais que des taux de détection plus élevés entraînent aussi davantage d’alertes concernant des actions sans danger. Les résultats suggèrent que les auditeurs pourraient être plus utiles pour estimer la fréquence des problèmes que pour les contrôles de sécurité qui doivent détecter chaque incident.
Commence la conversation.