扫描文件里的困难不只有字符模糊，还包括多栏阅读顺序、公式和表格结构。MiniCPM-OCR 系列把处理分成两个角色：约 13 亿参数的解析模型负责读，约 20 亿参数的 Jev 判别模型负责判断候选结果是否与图像一致。公开权重与实现让使用者能够分别选择解析和复核路径，而不必把所有工作塞进一次大模型回答。
解析流程先用版面检测切出区域，再逐块识别，最后按顺序拼成 Markdown。Jev 则同时查看区域图、候选文本以及候选重新渲染出的图像，输出一个分数。它可以帮助挑选候选或把可疑区域送给人工，但如果所有候选都错了，判别器不会凭空补出正确答案。模型卡报告 AUROC 为 93.6；这是区分正误样本的排序指标，不能写成“93.6% 的文件保证正确”。
团队在 RTX 5090、指定加速配置下报告约每秒 1.2 页，测量覆盖 OmniDocBench v1.6 的 1651 张图，页面并发为一但区域内部可以并行，不能外推为普通手机速度。实际问题也出现在模型之外：一位用户报告，开启图片区域 OCR 后，工程图文字已经识别出来，却在 Markdown 拼装时被空图片链接替代。维护者承认该路径需要修复；本轮未核实修复已经合入，因此保留问题发生的条件。