MiniCPM-OCR Jev: открытые веса для проверки ошибок распознавания

Какую задачу решает модель?

Для каждого участка страницы ей нужны исходное изображение, предполагаемый текст и изображение, полученное при отображении этого текста. Она оценивает, насколько распознанный фрагмент похож на оригинал, числом от 0 до 1. Например, если в счёте OCR записал «8 500», а на скане видно «3 500», участок можно направить на ручную проверку. Эта пара — учебный пример задачи, а не результат нашего запуска. Если ни один распознаватель не увидел нужный участок, Jev не восстановит пропущенный текст. s1 s2

Можно ли запустить её у себя?

Да, создатели разместили исходные веса и GGUF-квантизации; GGUF — формат весов для программ локального запуска. Документация описывает интеграцию с llama.cpp версии 0.8.0 и выше: этот релиз действительно перечисляет поддержку MiniCPM-OCR Jev. Однако это инженерный сценарий: кроме модели нужны подготовленные фрагменты и служба, которая отобразит распознанный текст для сравнения. Официальный пример развёртывания Docker/SDK рассчитан на Ubuntu 24.04 и NVIDIA с не менее чем 12 ГБ видеопамяти. Это требование указанного пути, а не доказанный минимум для всех GGUF-вариантов. Modelium не запускал модель и не проверял качество на домашнем компьютере. s2 s3 s5 s6

В интеграции важно проверять статус verdict=scored: фиксированные значения оценки при ошибке подготовки данных или обработки изображения нельзя принимать за реальное суждение модели. s1 s6

Что показывают оценки авторов?

По данным разработчиков, AUROC равен 93,6 из 100 на JevOCRBench — наборе из 2267 размеченных китайско- и англоязычных фрагментов текста, формул и таблиц. AUROC показывает, насколько хорошо оценки разделяют верные и ошибочные ответы; это не процент документов, проверенных без ошибок. Отдельный опыт с результатами четырёх программ распознавания использовал 200 образцов и дал диапазон AUROC 91,9–93,4. Универсального порога для автоматического принятия результата из этих цифр не следует: его выбирают на своих документах и проверяют вручную. Результатов для русскоязычных документов источники не приводят. s1 s2 s4

Какие ограничения и права учитывать?

Авторы указывают Apache 2.0 для весов и кода; базовая Qwen3.5-2B также опубликована под Apache 2.0. Но тестовый набор — другой объект с отдельными условиями: часть исходных данных JevOCRBench ограничена исследовательским некоммерческим использованием. Лицензия модели сама по себе не разрешает коммерчески использовать все изображения из оценки. s1 s2 s4 s7 s8

Если цель — сначала превратить PDF в текст, начните с материала о MiniCPM-OCR 1.0 и SDK. Jev нужен уже после этого этапа — чтобы выделить подозрительные фрагменты для проверки. s2