横向对比中国团队最新发布的三个 OCR 模型
@OpenBMB @XiaomiTech_ @Baidu_Inc 分别发布了自己最新的 OCR 模型，MiniCPM-OCR-1.0、Xiaomi-OCR-0 和 Unlimited-OCR-2，三个模型 OCR 能力都很强，但也各有侧重，咱们展开看看。
MiniCPM-OCR-1.0 (1.3B)
以 MiniCPM-V 4.6：SigLIP + Qwen3.5 为基座，主攻中英文档解析质量 × 页吞吐，Real5 - 93.68、OmniDoc v1.6 - 96.51、Wild - 92.39、olmOCR - 82.7、OCRBench v2 - 54.7，吞吐 1.217 pages/s
Xiaomi-OCR-0 (0.8B)
以 Qwen3.5-0.8B-Base 为基座，主攻单页解析 + OCR 向理解（VQA/KIE），Real5 - 95.24、OmniDoc v1.6 - 96.83、Wild - 87.94、五榜 OCR-VQA - 均 83.2，吞吐 0.724 pages/s
Unlimited-OCR-2 (3B/A0.5B)
以 DeepEncoder + MoE 解码器、v2 全层换 SR-SWA 为基座，主攻超长文档「一次通读」、自推 MarathonDocBench，MPDocBench Overall - 约 84.6、MarathonDocBench - 77.06，吞吐 0.246 pages/s
怎么选（按场景）
· 单页/少页、要质量与理解（问答、字段 JSON）、显存紧：优先看 Xiaomi-OCR-0，参数最小，Real5 / OmniDoc 自报最强档之一，且原生 KIE/VQA。
· 批量流水线、要 pages/s、要 SDK/量化/质检闭环：优先看 MiniCPM-OCR-1.0，同场吞吐最高，Wild + 版面管线完整，Jev 适合「解析完先过一道闸」。
· 合同/书籍/论文包一次解析、跨页表文不能断：优先看 Unlimited-OCR-2，赛道本身不同；拿 OmniDoc 单页分和前两家硬刚意义不大。
各家模型卖点展开梳理
MiniCPM-OCR-1.0：解析流水线 + 速度与工程完整度
任务面写清：文本、表、公式、图表、印章、KIE；管线是 模型 + PP-DocLayoutV3 + minicpmvocr SDK（先版面再分块再拼 Markdown）。视觉侧 4× 压缩、scale_resolution 448、最多 9 片。和 Xiaomi 比：OmniDoc v1.6 略低（96.51 vs 96.83）、Real5 略低（93.68 vs 95.24），但 Wild 明显更高（92.39 vs 87.94），且官方注明 Wild 分数含 SDK 旋转校正，横向比时要留心。OCRBench v2 54.7 是它强调的「通用识别」数字。吞吐在 OpenBMB 同场表里领先；同表里 Xiaomi、Unlimited-OCR2 分别约其 0.59× / 0.20×。另配 MiniCPM-OCR Jev：不解析，只判对错并给概率，做自动放行 / 人审分流。微调路径写了 LLaMA-Factory、ms-swift。
Xiaomi-OCR-0：小参数把「解析」和「读懂」绑在一起
训练称约 1.7 亿 OCR 向样本：Q-Mask 锚点 → OCR 向 CPT → Mix-RL。数据引擎用多专家共识（ETC）、渲染回判、失败驱动合成；专家池点名 PaddleOCR-VL-1.5/1.6、MinerU2.5-Pro、GLM-OCR、TeleOCR、OvisOCR2 等。卖点是：一份权重覆盖整页 Markdown（表 OTSL、式 LaTeX）、区域文本/表/式、以及按 schema 的 KIE。基准上 Real5 压过同档开源；OCR-VQA 五榜均分 83.2，高于同尺 Qwen3.5-0.8B（72.9）和更大的 Qwen3.5-2B（80.9），仍低于 Qwen3.5-4B（84.9）；报告自己也写：理解比解析更吃参数。手写/书法 Chronicles-OCR 成熟书体约 73，与 Seed 2.0 Pro（72）同量级。社区已有 GGUF，官方未背书量化精度。
Unlimited-OCR-2：把「页循环」收成一次前向
问题陈述很清楚：常规端到端 OCR 一页一页 for-loop，KV 随输出变长；人抄书只盯当前段。v1 用 R-SWA（始终看见全部视觉参考 token，输出侧只滑窗看最近 n 个，默认 128），在 DeepSeek-OCR 上续训约 2M 文档样本，OmniDoc 上相对基线大涨，并宣称数十页一锅端。v2 再上 SR-SWA：把超长序列上的文视交互压到固定规模工作参考（例如 512 token），使逐步解码延迟与显存近似与文档长度无关；百页规模自称相对 Full Attention / R-SWA 有约 7.0× / 5.6× 逐步加速。配套 MarathonDocBench（100–300 页、跨页文本/表更密），Overall 77.06；较短的多页榜 MPDocBench 约 84.6。推理上单页默认 gundam 动态切块，多页 base 全局一页一视图；SGLang 侧有页窗调度与大量显存旋钮。代价是：在「单页吞吐」同场赛里偏慢，工程依赖定制服务栈，不如 MiniCPM「开箱多后端」。