Sprawdziliśmy Xiaomi-OCR-0 na polskich fakturach
Mały model OCR od Xiaomi działa lokalnie na zwykłej karcie graficznej. Przetestowaliśmy go na 15 dokumentach i porównaliśmy z Claude Haiku: liczby, błędy, czas.

Xiaomi udostępniło Xiaomi-OCR-0, mały model do odczytu dokumentów na licencji Apache-2.0. Działa lokalnie, więc faktury nie muszą wychodzić z firmy. Zamiast streszczać kartę modelu, uruchomiliśmy go u siebie na 15 dokumentach po polsku i porównaliśmy z Claude Haiku 5.5, którego używamy w chmurze. Poniżej to, co wyszło.
Co wydało Xiaomi
Model ma 0,8 mld parametrów i powstał na bazie Qwen3.5-0.8B-Base, trenowany na około 170 milionach próbek związanych z OCR. Wykonuje cztery zadania, wybierane poleceniem: odczyt całej strony do Markdownu (tabele w formacie OTSL), odczyt fragmentu obrazu, wyciąganie pól według schematu JSON i odpowiedzi na pytania o dokument. Wyniki z raportu Xiaomi to ich własne pomiary, dlatego sprawdziliśmy je na naszych dokumentach.
Sprawdziliśmy to u nas
Na czym. 15 dokumentów syntetycznych: zmyślone firmy, NIP-y i konta z poprawną sumą kontrolną, zero danych klientów. 6 faktur (m.in. z pieczątką, z 12 pozycjami małą czcionką, z nazwami pełnymi polskich znaków), 2 paragony, 1 zamówienie od klienta i 6 wersji „zepsutych”: skan pod kątem, niska rozdzielczość z szumem, zdjęcie telefonem, mocno skompresowany JPEG. Sprzęt: zwykły komputer z kartą GTX 1660 SUPER (6 GB), Windows. Porównanie: te same dokumenty i ten sam schemat pól w Claude Haiku 5.5.
Trafność pól (numer, daty, NIP-y, nazwy, kwoty, pozycje; dokładne dopasowanie):
| Dokumenty | Xiaomi-OCR-0 (lokalnie) | Claude Haiku 5.5 (chmura) |
|---|---|---|
| faktury, czyste | 94% | 100% |
| faktury, skan lub zdjęcie | 79% | 97% |
| paragony, czyste | 86% | 100% |
| zamówienie, czyste | 90% | 100% |
| zdjęcie paragonu, zaszumiony skan zamówienia | 0% | 100% |
Na czystych dokumentach (faktury, paragony, zamówienie) Xiaomi bezbłędnie czyta numery, daty, terminy, numer konta, sumę brutto oraz ceny netto i stawki VAT pozycji. Słabiej wychodzą nazwy firm: 67% przy sprzedawcy i 57% przy nabywcy.
Co nie zadziałało:
- Polskie znaki, głównie „ł”. Wśród słów z ogonkami odczytał 73% (Haiku 89%), na gorszych skanach 45%. „Usługa” zamienia się w „Usluga”, „Długopis” w „Dlugopis”, „Obsługa kadrowo-płacowa” w „Obśluga kadrowo-placowa”. W tekstach stron 80 słów straciło ogonki, u Haiku jedno.
- NIP nabywcy pod złym kluczem. We wszystkich 7 czystych dokumentach z nabywcą (6 faktur i zamówienie) model wpisał NIP nabywcy jako drugi NIP sprzedawcy. Bez poprawki w naszym skrypcie trafność NIP-u nabywcy na czystych dokumentach wynosiła 0%, po poprawce 71%. Na fakturze z pieczątką w miejsce NIP-u sprzedawcy podał REGON.
- Ucięte nazwy firm, np. „Hurtownia Spożywcza Smakosz Sp.j. M.” zamiast pełnej nazwy ze wspólnikami.
- Pieczątka myli sumy: na takiej fakturze wpisał kwotę brutto jako netto i jako VAT.
- Zdjęcia i słabe skany: przy zdjęciu paragonu i zaszumionym skanie zamówienia model nie domknął JSON-a, więc żadne pole nie nadawało się do użycia.
Czas i koszt. Model potrzebował średnio 46 s na pola jednego dokumentu (od 26 do 76 s) i 61 s na odczyt całej strony, przy około 2 GB pamięci karty. Na Windows brakuje bibliotek przyspieszających ten typ modelu, stąd tak długie czasy. Haiku: 2,8 s na pola, a 30 zapytań (pola i tekst dla 15 dokumentów) kosztowało razem 0,027 $.
Mocna strona Xiaomi to tabele i paragony w odczycie tekstu: długą fakturę z 12 pozycjami przepisał z 98% liczb, a paragony czytał pełniej niż Haiku (99% słów wobec 56% na paragonie ze sklepu).
Werdykt: warunkowo
Xiaomi-OCR-0 nadaje się jako pomocnik, nie jako automat. Ma sens tam, gdzie dokumenty nie mogą trafić do chmury (tajemnica, wymogi klienta), a ktoś i tak zatwierdza dane w programie księgowym. Wtedy model wypełnia pola, kontrola sum i sumy kontrolnej NIP wskazuje, co sprawdzić, a nazwę firmy lepiej pobrać po NIP-ie z rejestru niż z odczytu. Jeśli chmura jest dopuszczalna, Claude Haiku wygrywa trafnością i szybkością przy koszcie poniżej 1 grosza za dokument.
Nasze dokumenty były syntetyczne, czyli czystsze od prawdziwych. Kolejny krok to próba na kilkunastu prawdziwych fakturach za zgodą właściciela i szybsza wersja modelu (GGUF albo Linux).
Jeśli przepisujesz faktury ręcznie
Zanim wybierzesz model, zbierz kilkanaście typowych dokumentów i kilka trudnych (zdjęcia, słabe skany) i sprawdź na nich kilka narzędzi. Tak samo robimy we wdrożeniach automatyzacji procesów: odczyt dokumentów i zamówień łączymy z kontrolą danych i przekazaniem do ERP, CRM albo sklepu, a niepewne przypadki trafiają do człowieka. O pierwszych krokach piszemy we wpisie Automatyzacja procesów w firmie: od czego zacząć?. Jeśli chcesz porozmawiać o odczycie dokumentów u siebie, napisz do nas. Firmy z Poznania i okolic odwiedzamy na audycie procesów na miejscu.