北京
作者 | 褚杏娟
近日，百度正式發布 PaddleOCR-VL-1.6。作為文心衍生模型，PaddleOCR-VL-1.6 在 OmniDocBench v1.6 權威評測中準確率突破 96.3%，在 Real5-OmniDocBench、OmniDocBench v1.5 上也取得了最領先的分數，刷新業界 SOTA，在復雜文檔理解和真實場景解析能力方面進一步突破。
在 OmniDocBench v1.6 上，PaddleOCR-VL-1.6 在多項能力中實現 SOTA
官方結果顯示，在權威評測集 OmniDocBench v1.6 上，PaddleOCR-VL-1.6 總指標達到 96.33%，超越 Gemini-3-Pro、GPT-5.2、MinerU-2.5-Pro、GLM-OCR 等，領跑全球通用大模型和專用 OCR 模型；在面向真實復雜場景構建的 Real5-OmniDocBench 評測中，PaddleOCR-VL-1.6 總指標達到 93.19%，較 Gemini-3-Pro 提升近 4 個百分點，在掃描件、彎折文檔、屏幕拍照、光照變化及傾斜文檔等五大真實場景下均保持領先表現。
測試結果顯示，PaddleOCR-VL-1.6 在文本、公式、表格等核心識別能力上全面領先當前主流開源及閉源方案，在表格、古籍、生僻字識別等復雜場景能力顯著提升，在印章、Spotting、圖表識別等多項關鍵能力同步增強，可更好滿足文檔數字化的需求。
據了解，PaddleOCR 基于文心大模型訓練而來，是文心大模型多模態能力的重要部分，支持超 100 種語言識別，用戶覆蓋 170 多個國家和地區。此次發布的 PaddleOCR-VL-1.6 在 PaddleOCR-VL-1.5 基礎上進一步升級，通過模型驅動的數據構建機制和漸進式訓練優化，在保持 0.9B 輕量化架構的情況下，模型準確率和復雜場景適應能力進一步提升。由于兩代模型模型結構一致，開發者和企業用戶無需進行額外適配，即可平滑遷移。
近年來，PaddleOCR 持續推進文檔理解能力升級，先后推出 PaddleOCR-VL、PaddleOCR-VL-1.5 等多款模型。其中，PaddleOCR-VL-1.5 創新支持異形框定位，在真實文檔場景中展現出較強解析能力。此前，PaddleOCR GitHub Star 數已突破 79.2K，超過谷歌開源 OCR 項目 Tesseract OCR，成為全球最受開發者歡迎的開源 OCR 項目之一。
目前，PaddleOCR-VL-1.6 已上線 PaddleOCR 官網，支持網頁端和 API 調用。同時，模型代碼及權重已同步開源至 GitHub 和 Hugging Face，面向全球開發者開放使用。
PaddleOCR 官網：paddleocr.com
Github：github.com/PaddlePaddle/PaddleOCR
HuggingFace：huggingface.co/PaddlePaddle/PaddleOCR-VL-1.6
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
