--- title: "🧪 1.3B 筆電跑得動：MiniCPM-OCR-1.0 讓地端發票秒變 JSON｜地端 AI 實驗室" description: "Hugging Face 最近出現一款 1.3B 參數量的 MiniCPM-OCR-1.0，能讓筆電在地端秒讀複雜發票與 PDF。本期還要介紹在單張 RTX 4090 就能跑的 35B MoE 代理模型 Sage-A1.5，它如何幫你自動拆解工程需求並自我修正程式碼？等一下告訴你！這兩款主打地端、免費且採 Apache 2.0 授權的開源神兵，絕對是工程師不可錯過的利器。" canonical_url: "https://blog.markkulab.net/local-ai-lab/local-ai-lab-2026-10-28" author: "Mark Ku" author_url: "https://blog.markkulab.net/author/mark-ku" site: "Mark Ku's Blog" date_published: "2026-10-28T02:00:00.000Z" category: "地端 AI 實驗室" tags: ["local-ai", "podcast", "地端模型", "lora", "開源模型", "MiniCPM-OCR-1.0", "Sage-A1.5", "OCR", "AIAgent", "MoE"] language: "zh-TW" license: "CC BY 4.0" license_url: "https://creativecommons.org/licenses/by/4.0/" attribution: "轉載或引用請註明作者並附上原文連結" --- # 🧪 1.3B 筆電跑得動：MiniCPM-OCR-1.0 讓地端發票秒變 JSON｜地端 AI 實驗室 Hugging Face 最近出現一款 1.3B 參數量的 MiniCPM-OCR-1.0，能讓筆電在地端秒讀複雜發票與 PDF。本期還要介紹在單張 RTX 4090 就能跑的 35B MoE 代理模型 Sage-A1.5，它如何幫你自動拆解工程需求並自我修正程式碼？等一下告訴你！這兩款主打地端、免費且採 Apache 2.0 授權的開源神兵，絕對是工程師不可錯過的利器。 --- ## 本期精選 ### 1. openbmb/MiniCPM-OCR-1.0：超輕量 1.3B 文件解析與 OCR 模型，地端發票與 PDF 結構化利器 - **這是什麼**：這款由 OpenBMB 釋出的 MiniCPM-OCR-1.0 是一款僅有 1.3B 參數量的超輕量視覺語言模型，專攻文件解析與 OCR 任務。它採用友善的 Apache 2.0 開源授權，對商業應用非常友善，特別擅長處理繁簡中英文的文件、複雜表格與圖表。 - **能用在哪些場景**： - **場景一：隱私安全的發票與收據自動化處理**。當軟體工程師需要開發一套完全不聯網的財務系統時，只要把發票或收據圖片輸入，利用該模型的關鍵資訊提取（KIE）功能，直接透過 Prompt 抓出商店名稱、消費日期與金額，並直接輸出成乾淨的 JSON 格式。 - **場景二：地端 RAG 系統的 PDF 文件解析 Pipeline**。當你需要幫公司建置檢索增強生成（RAG）系統，面對成千上萬份包含複雜表格、數學公式與圖表的掃描檔 PDF，可以用它快速轉換成結構化的 Markdown 文本，解決傳統 OCR 格式混亂的痛點。 - **場景三：老舊或手機翻拍文獻的數位化**。數位存檔人員或研究人員面對歪斜、模糊、甚至用手機在昏暗光線下翻拍的古籍與歷史文獻，可以用它精確還原文字與段落順序，連同圖表內容一起數位化。 - **跑得動嗎**：官方 model card 標示，該模型參數量僅 1.3B，並提供了 GGUF、GPTQ、AWQ 等多種量化版本，開發者可以直接在一般的筆記型電腦或工作站上輕鬆運行 GGUF 版本。此外，官方還提供了 DSpark 推測解碼（speculative decoding）加速方案，說明中指出這能提升約 55% 的端到端處理效率，對硬體資源有限的地端環境非常友善。 - **本期聲量**：目前在 Hugging Face 上的熱度為 111，累積了 791 次下載與 184 個讚，是一顆剛冒出頭但備受矚目的新星。 - **跟同類比**：根據 OpenBMB 官方測試，MiniCPM-OCR-1.0 的吞吐量達到約 1.2 頁/秒。在 OmniDocBench 等多個文件解析基準測試中取得領先，官方宣稱其吞吐量約為 PaddleOCR-VL-1.6 的 1.49 倍、MinerU2.5 Pro 的 3.62 倍。 - **怎麼取得**：官方 README 說明指出，你可以透過 `llama.cpp` 直接載入 GGUF 版本來運行本地與 OpenAI 相容的伺服器，指令為：`llama serve -hf openbmb/MiniCPM-OCR-1.0-gguf:Q4_K_M`；或者使用 vLLM 部署，指令為：`vllm serve openbmb/MiniCPM-OCR-1.0`。 - **連結**：[Hugging Face 頁面連結](https://huggingface.co/openbmb/MiniCPM-OCR-1.0) --- ### 2. InternScience/Sage-A1.5：單張 RTX 4090 就能跑的 35B MoE 高階 AI 代理模型，主打複雜任務拆解 - **這是什麼**：Sage-A1.5 是由上海人工智慧實驗室開源的 35B 混合專家（MoE）代理（Agentic）模型。它基於 Qwen3.6 構建，採用 Apache 2.0 授權，專門針對長流程任務執行、工具調用（Tool Calling）與代理協調進行優化。 - **能用在哪些場景**： - **場景一：自主程式碼代理（Autonomous Coding Agent）**。軟體工程師在開發自動化寫 Code 工具時，需要模型能將複雜的系統需求拆解成多個子步驟，自動調用外部工具（如 Code Interpreter 或搜尋引擎）來測試，甚至在執行出錯時，還能自己看 Error Log 進行自我驗證與修正程式碼。 - **場景二：地端企業研發與法規情報分析**。企業內部的研發人員需要進行競爭對手情報或複雜法規分析，利用該模型的代理協調（Agentic Orchestration）能力，把任務分派給多個並行的子代理去搜集資料，最後再彙整成一份完整的分析報告，全程不外洩機密。 - **場景三：科學資料集的探索性研究**。科研人員面對大型、複雜的科學資料集時，需要模型進行多步驟的資料分析規劃，並根據中間產生的圖表與數據，動態調整下一步的分析策略，實現高度自主的探索。 - **跑得動嗎**：官方技術報告與 model card 標示，Sage-A1.5 雖然是 35B 規模的 MoE 模型，但每個 Token 實際上僅會激活約 3B 參數。在 BF16 精度下，權重大小約為 65.4 GiB，而進行 4-bit 量化（Q4_K_M）後會降到約 19.6 GiB。第三方評估指出，在 Q4_K_M 量化下，該模型加上 8K Token 的上下文長度，可以完整裝進單張 RTX 4090（24 GB VRAM）中運行，讓個人工作站也能擁有強大的 Agent 能力。 - **本期聲量**：在 Hugging Face 上人氣極高，目前熱度達 299，並擁有 8.2k 次下載與 350 個讚。 - **跟同類比**：上海人工智慧實驗室的技術報告指出，相較於前代 Agents-A1，Sage-A1.5 在工程與代理任務上有了大幅提升。例如在 SWE-bench Pro 上提升了 17.6 分，在 SWE-bench Multilingual 上提升了 14.0 分；而在 BrowseComp 基準測試中，Sage-A1.5 取得了 81.7% 的成績，超越了前代的 75.5%。 - **怎麼取得**：官方 README 說明指出，推薦使用 SGLang 框架來進行高效能的部署服務，啟動指令為：`python -m sglang.launch_server --model-path InternScience/Sage-A1.5 --port 8000 --mem-fraction-static 0.8 --context-length 262144 --reasoning-parser qwen3 --tool-call-parser qwen3_coder`。 - **連結**：[Hugging Face 頁面連結](https://huggingface.co/InternScience/Sage-A1.5) --- ## 結尾段落 從本期的選題可以看出，開源社群正朝著「極致輕量化」與「強大代理能力」兩個極端快速演進。不論是想在筆電上用 MiniCPM-OCR-1.0 搞定文件結構化，還是在工作站用 Sage-A1.5 打造自動化 Agent，現在地端硬體都能輕鬆駕馭了。趕快挑一個下載到你的機器上試試看吧，我們下期見！ --- ## 關於本文與作者 本文出自 [Mark Ku's Blog](https://blog.markkulab.net/local-ai-lab/local-ai-lab-2026-10-28) 授權條款： [CC BY 4.0](https://creativecommons.org/licenses/by/4.0/) — 轉載或引用請註明作者並附上原文連結 ### 關於作者 **[Mark Ku](https://blog.markkulab.net/author/mark-ku)** — 軟體工程師 - 10 年以上軟體工程師 - 做過北美電商與 AI SaaS 訂閱收費系統 ### 作者開發的免費工具 以下工具皆可免費使用： - [免費 PDF 簽名工具](https://blog.markkulab.net/tools/pdf-sign): 線上 PDF 簽名工具，瀏覽器內完成手繪、打字、上傳簽名，可拖曳放置、縮放、下載。所有處理都在你的裝置完成，檔案不會上傳。 - [VS Code Refactory](https://blog.markkulab.net/tools/refactory): Refactory 是一款 VS Code 重構擴充套件：34 個重構動作、37 條 code smell 檢查、Code Health 儀表板、18 種語言、534 支測試。懂你的專案慣例：介面放哪、DI 註冊寫在哪、'use client' 該不該加；還會用 git 修改頻率 × 複雜度排出「該先修哪個檔案」，並一鍵把壞味道交給你自己電腦上的 Claude Code 修。免費使用，原始碼不離開你的機器。 - [DB-Kit 資料庫管理工具](https://blog.markkulab.net/tools/db-kit): DB-Kit 是一個用 Tauri + Rust + React 打造的輕量跨平台資料庫管理工具，用單一一致的介面同時管理 MySQL、MariaDB、PostgreSQL、SQL Server、Oracle、SQLite、MongoDB、Redis、Kafka、Elasticsearch 與 RabbitMQ 十一種資料來源：連線密碼以 OS keychain 加密、SSH Tunnel、完整 CRUD、視覺化查詢建構器、多結果集同時顯示、跨連線資料傳輸、結構與資料比對（同步 SQL、結構快照）、Excel / CSV 匯入匯出、執行計畫視覺化、ER 圖、排程備份、SQL 壓力測試（p50～p99 延遲百分位）、15 條規則的 SQL 審查、執行前 AI 審查並逐句備份的「審查並執行」（自動產生回滾腳本）、Kafka 訊息瀏覽與監控告警、SSH 終端機與 SFTP / FTP、Docker / Kubernetes、遠端桌面（RDP / VNC / RustDesk）、檔案 / 資料夾比對、預存程序整合測試；六種介面語言，內建 AI 助手（本機 CLI 或 Anthropic / OpenAI 相容 API，自然語言生成 SQL、AI 審查與調校建議）與命令列工具 dbk。免費開源（MIT），提供 Windows / macOS / Linux 安裝檔。 - [VS Code Super Mermaid](https://blog.markkulab.net/tools/super-mermaid): Super Mermaid 是一款 VS Code 擴充套件：開箱即用的漂亮 Mermaid 圖表，自動上色、即時預覽、滑鼠平移縮放、PNG / SVG 高解析匯出，內建 21 種範本與多種主題。免費開源（MIT）。 - [React Super Mermaid](https://blog.markkulab.net/tools/react-super-mermaid): react-super-mermaid 是一個開源 React 元件庫：一行 即可渲染漂亮的 Mermaid 圖表，內建 colorful / sketch 主題、平移縮放、圖內搜尋、SVG / PNG 高解析匯出。輕量、SSR 安全、完整 TypeScript 型別。免費開源（MIT）。 - [Jira / Confluence Super Mermaid](https://blog.markkulab.net/tools/jira-super-mermaid): Atlassian Forge app：在 Jira issue 與 Confluence 內文直接寫 Mermaid 語法，畫流程圖、時序圖、狀態機與甘特圖。11 種圖表、SVG / PNG 匯出、明暗主題、完整中日韓文字支援。取得 Runs on Atlassian 資格：圖表存在你自己的站台，app 不呼叫任何第三方服務。免費，即將上架 Atlassian Marketplace。 - [Mermaid 線上預覽](https://blog.markkulab.net/tools/mermaid-preview): 在瀏覽器裡寫 Mermaid、即時看圖，整張圖表壓進網址就能分享。免註冊、不上傳伺服器，相容 mermaid.live 的分享連結。 - [React Intl Phone Number](https://blog.markkulab.net/tools/react-intl-phone-number): react-intl-phone-number 是一個開源 React 元件：framework-agnostic、不依賴 antd，提供 E.164 進出、可搜尋國旗 / 國碼下拉、可配置驗證等級（strict / mobile-strict / loose）、可主題化 CSS 與 i18n，電話邏輯由 google-libphonenumber 驅動。輕量、完整 TypeScript 型別。免費開源（MIT）。 - [Uptime Kuma Cluster](https://blog.markkulab.net/tools/uptime-kuma-cluster): 把單機版 Uptime Kuma 改造成高可用叢集：OpenResty + Lua 智慧負載平衡、MariaDB 共享狀態、健康檢查與自動 Failover，附監控與叢集管理 RESTful API，一行 Docker Compose 啟動。免費開源（MIT）。 - [AI Podcast Cut 音檔剪輯](https://blog.markkulab.net/tools/ai-podcast-cut): 丟進一段錄音，AI 幫你剪掉「嗯、呃、那個」與講到一半重講的片段，平衡逐段音量，並派第二個 agent 覆核每一刀。辨識與去人聲都在你自己的電腦上跑，不上傳、不需要金鑰。剪點會貼齊字邊界與零交越、每一刀都有漸弱漸強，句尾還留得住呼吸感。Windows / macOS / Linux 桌面應用，MIT 開源，Windows 安裝檔內建 ffmpeg。 - [AI Video Cut 影片剪輯](https://blog.markkulab.net/tools/ai-video-cut): 在影片裡選一個東西：打字（人臉、車牌、手機螢幕、logo）、手動點選或拖框，或交給 Claude Code / Codex 挑。AI Video Cut 會逐幀追蹤它，再幫你打馬賽克或模糊、調色、加跟著走的貼紙與文字、把螢幕或海報換成你的圖片或影片，甚至用其他幀拍到的背景把它移除。另有序列剪輯、本機字幕與 AI 助手。免費開源（MIT）的 Windows 桌面應用（macOS / Linux 實驗中），本機運行，影片不上傳。 - [open-pos 開源餐飲 POS](https://blog.markkulab.net/tools/open-pos): 一台電腦加一台出單機就能開店。資料存在自己的硬碟裡、沒有月租、沒有綁約，MIT 全開源。金額用整數元依營業稅法拆算稅額，銷售額加稅額恆等於總額；出單走網路型 ESC/POS（TCP 9100），不必裝廠商驅動。Tauri + Rust + SQLite 桌面應用，v1.0 開發中。 - [.NET 電商 API 架構範本](https://blog.markkulab.net/tools/dotnet-ecommerce-api): 以 .NET 10 打造的電商平台後端 API 架構範本：Controller → Service → Repository 分層、Autofac 依命名慣例自動註冊、SqlSugar 支援 MySQL / MariaDB 與 SQL Server、Redis 快取與訊息佇列、Hangfire 排程、JWT 認證，內建可擴充的金流 Provider 模組（綠界 ECPay、藍新 Newebpay）。Apache 2.0 開源。 - [Open Token Monitor 團隊 AI 用量監控](https://blog.markkulab.net/tools/open-token-monitor): 把每位員工電腦上 AI coding 工具的 token 用量與等值成本集中到公司自架的 hub：PostgreSQL、組織名單、依公司與部門比較的 dashboard、報表 API。員工端有 Electron 與 Rust/Tauri 兩種，每 30 分鐘自動上傳。MIT 開源，Docker 一行起。 - [AI 資安監控 ai-security-monitor](https://blog.markkulab.net/tools/ai-security-monitor): Rust 寫的單一執行檔 ai-security-monitor 裝在電腦或伺服器上，抓出異常連線、用 26 個公開威脅情資來源判定安全／可疑／危險，檢查防火牆、開放 port、漏洞與 60 條系統硬化；Security Hub 集中看整個車隊，Claude Code／Codex 用白話解讀。MIT 開源、免費、自架。 ### 每日 Podcast - [Mark's Tech Insights 每日 AI 新鮮事](https://blog.markkulab.net/category/tech-news): 每日精選 AI 與科技趨勢，透過語音摘要快速掌握最新技術動態，涵蓋 AI 應用、軟體架構、DevOps 與工程實戰。 — RSS: https://blog.markkulab.net/feed.xml - [AI股市蝦聊](https://blog.markkulab.net/category/ai-stock-chat): 每個交易日用 AI 分析台股盤勢，以雙人對話聊當天的盤中觀察與隔日預測。 — RSS: https://blog.markkulab.net/ai-stock-chat/feed.xml - [開源好物日報](https://blog.markkulab.net/category/open-source-weekly): 每天從 Hacker News、GitHub、Reddit 聲量雷達精選免費開源工具，以雙人對話聊解決什麼痛點與怎麼快速上手。 — RSS: https://blog.markkulab.net/open-source-weekly/feed.xml - [AI 運動日報](https://blog.markkulab.net/category/sports-weekly): 每天以雙人對話聊 NBA、MLB 與國際體壇大事，台灣球迷視角，輕鬆有梗不酸人。 — RSS: https://blog.markkulab.net/sports-weekly/feed.xml - [AI 國際新聞快報](https://blog.markkulab.net/category/world-news): 每天早上以雙人對話把過去一天的國際大事講白：政治外交、全球經濟、衝突與安全、災害與氣候，台灣視角、中立客觀、每則附出處。 — RSS: https://blog.markkulab.net/world-news/feed.xml - [地端 AI 實驗室](https://blog.markkulab.net/category/local-ai-lab): 每天精選可以下載到自己機器上跑的開源模型與 LoRA，用雙人對話講清楚能用在哪些場景、你的顯卡跑不跑得動、跟同類差在哪，規格一律引述官方 model card。 — RSS: https://blog.markkulab.net/local-ai-lab/feed.xml - [AI 行銷日報](https://blog.markkulab.net/category/ai-marketing): 每天以雙人對話整理最新 AI 在行銷、廣告、SEO／GEO 與內容行銷的大事，實戰視角、不業配、每則附出處。 — RSS: https://blog.markkulab.net/ai-marketing/feed.xml - [AI 資安日報](https://blog.markkulab.net/category/ai-security): 每天以雙人對話整理最新 AI 與資安交會的大事：LLM 與 AI agent 漏洞、prompt injection、模型供應鏈、攻擊者怎麼用 AI，防禦視角、每則附出處。 — RSS: https://blog.markkulab.net/ai-security/feed.xml ### 電子報 [訂閱電子報](https://blog.markkulab.net/subscribe) — 第一時間收到新文章通知，無垃圾信、隨時可取消訂閱。