# MiniCPM-OCR 1.0: вышел SDK 1.0.2 для разбора PDF в Markdown

Источник: https://modelium.tech/zhurnal/minicpm-ocr-1-0-sdk-1-0-2-pdf-markdown/

28 октября 2026 года OpenBMB опубликовала SDK 1.0.2 для MiniCPM-OCR 1.0: он помогает превратить PDF или изображение в Markdown, сохранив порядок текста, таблицы и формулы. Веса модели доступны отдельно. Это не программа с одной кнопкой: по официальному примеру нужно настроить распознающую модель и обработку страниц в разных средах; редакция не запускала весь путь.

Если нужно получить редактируемый текст из скана или PDF, у MiniCPM-OCR появился новый комплект для разбора документа: **28 октября 2026 года** OpenBMB выпустила SDK 1.0.2 и разместила пакет `minicpm-ocr` 1.0.2 в PyPI. Сами веса MiniCPM-OCR 1.0 появились раньше, 21 октября; нынешняя новость — о доступном комплекте для сборки документа, а не о рождении новой модели сегодня. [s1](#src-s1) [s2](#src-s2) [s3](#src-s3)

## Что делает новый комплект

При разборе PDF программа сначала превращает страницы в изображения. Дополнительная модель PP-DocLayoutV3 находит области текста и определяет порядок чтения, MiniCPM-OCR 1.0 распознаёт содержимое областей, а SDK собирает ответ в Markdown. Таблицы могут оказаться в HTML, формулы — в LaTeX: это форматы записи структуры, а не гарантия идеальной копии страницы. Поддерживаются также PNG и JPG. Если на входе скан с таблицей и формулой, полезный результат — текст в правильном порядке и области, которые можно отдельно сверить с оригиналом. [s3](#src-s3) [s4](#src-s4)

Веса модели доступны в исходном формате и в официальном наборе GGUF для программы llama.cpp; в наборе GGUF есть и отдельный файл для обработки изображения. Пакет SDK — это не сами веса. Для полного разбора документа нужны и модель распознавания, и модель разметки страницы, и работающий сервис, к которому SDK отправляет фрагменты документа. Если сервис запущен на другой машине, обработка не является целиком локальной на вашем компьютере; расположение сервиса следует проверить до отправки личных файлов. [s3](#src-s3) [s4](#src-s4) [s5](#src-s5)

## Насколько это готово для домашнего компьютера

Официальная подробная инструкция описывает Linux x86_64 на примере Ubuntu 22.04, видеокарту NVIDIA и два отдельных окружения Python: одно для SDK и разметки страниц, другое для сервиса распознавания vLLM. Авторы проверяли пример на RTX 5090 с 32 ГБ видеопамяти. Это **тестовая конфигурация, а не объявленный минимум**; отдельное руководство для llama.cpp описывает также запуск на процессоре, но не делает весь сценарий установкой в один клик. Указанный в руководстве запас диска относится к этой сборке двух окружений, а не к размеру весов. Редакция не запускала модель и не подтверждает совместимость с конкретным домашним ПК. [s4](#src-s4) [s6](#src-s6)

Для первой попытки разумнее начать с официального руководства под вашу ОС и имеющееся оборудование, а затем сверить на короткой несекретной странице имена, порядок абзацев, суммы и ячейки таблицы с оригиналом. Если хочется только попробовать распознавание одной области изображения, это иной, более узкий сценарий, чем готовый Markdown из целого PDF. [s3](#src-s3) [s4](#src-s4)

## Что известно о качестве и правах

OpenBMB заявляет оценку **93,68** на Real5-OmniDocBench и около **1,2 страницы в секунду** в собственном сравнении на RTX 5090 и наборе из 1651 изображений OmniDocBench v1.6; обработка областей внутри одной страницы могла идти параллельно. Это результаты авторов, не измерения Modelium и не обещанная скорость на домашней машине. Руководство по воспроизведению прямо говорит, что полные скрипты, точные версии и границы замера времени ещё предстоит добавить. [s3](#src-s3) [s7](#src-s7)

Карточка весов отмечена Apache-2.0; репозиторий OpenBMB содержит LICENSE Apache-2.0 и прямо относит эту лицензию к коду и весам MiniCPM-OCR 1.0. На странице весов отдельного файла LICENSE нет, поэтому право нельзя выводить из одного лишь наличия файла модели. У модели разметки страницы и прочих зависимостей могут быть собственные условия — проверяйте их отдельно перед применением всего конвейера. [s3](#src-s3) [s8](#src-s8) [s9](#src-s9)

Для сравнения с другим подходом к локальному разбору длинных документов можно открыть [материал о Baidu Unlimited-OCR 2](/zhurnal/baidu-unlimited-ocr-2-long-documents-local/). Он не является подтверждением совместимости двух моделей в одном конвейере.

## Источники

1. [OpenBMB MiniCPM-OCR SDK v1.0.2 — официальный релиз](https://github.com/OpenBMB/MiniCPM-OCR/releases/tag/sdk-v1.0.2) — получено 2026-10-28
2. [PyPI minicpm-ocr 1.0.2 — пакет и время загрузки](https://pypi.org/project/minicpm-ocr/1.0.2/) — получено 2026-10-28
3. [MiniCPM-OCR 1.0 — закреплённая карточка OpenBMB](https://huggingface.co/openbmb/MiniCPM-OCR-1.0/blob/d10038c4954c2a4f7be159165f319a0aad57c7a2/README.md) — получено 2026-10-28
4. [MiniCPM-OCR — руководство SDK по документам (тег релиза)](https://github.com/OpenBMB/MiniCPM-OCR/blob/78a3aca324e3f5d0a03f71cd38b033459167d344/docs/minicpmvocr_tutorial_en.md) — получено 2026-10-28
5. [MiniCPM-OCR 1.0 GGUF — закреплённое дерево файлов](https://huggingface.co/openbmb/MiniCPM-OCR-1.0-gguf/tree/674e62bf4ef7560ba502fe9b366a2780028aef20) — получено 2026-10-28
6. [MiniCPM-OCR — руководство llama.cpp (тег релиза)](https://github.com/OpenBMB/MiniCPM-OCR/blob/78a3aca324e3f5d0a03f71cd38b033459167d344/docs/llamacpp_deploy.md) — получено 2026-10-28
7. [MiniCPM-OCR — методика авторских оценок (тег релиза)](https://github.com/OpenBMB/MiniCPM-OCR/blob/78a3aca324e3f5d0a03f71cd38b033459167d344/docs/benchmark_reproduction_en.md) — получено 2026-10-28
8. [MiniCPM-OCR — текущий README OpenBMB на теге SDK](https://github.com/OpenBMB/MiniCPM-OCR/blob/78a3aca324e3f5d0a03f71cd38b033459167d344/README.md) — получено 2026-10-28
9. [MiniCPM-OCR — LICENSE репозитория OpenBMB](https://github.com/OpenBMB/MiniCPM-OCR/blob/78a3aca324e3f5d0a03f71cd38b033459167d344/LICENSE) — получено 2026-10-28