百度文心 PaddleOCR-VL-1.6 發(fā)布，準(zhǔn)確率 96.33% 登頂全球

近日，百度正式對(duì)外發(fā)布新一代文檔識(shí)別模型 PaddleOCR-VL-1.6。據(jù)官方公布的評(píng)測(cè)數(shù)據(jù)，該模型在多項(xiàng)權(quán)威基準(zhǔn)測(cè)試中刷新業(yè)界最優(yōu)（SOTA）記錄，綜合性能躋身全球第一，引發(fā)業(yè)內(nèi)廣泛關(guān)注。

1、評(píng)測(cè)成績(jī)亮眼，多項(xiàng)指標(biāo)超越國際主流模型
在當(dāng)前 OCR 領(lǐng)域公認(rèn)的權(quán)威評(píng)測(cè)集 OmniDocBench v1.6 上，PaddleOCR-VL-1.6 取得 96.33% 的總分，超過谷歌 Gemini-3-Pro、OpenAI GPT-5.2、MinerU-2.5-Pro 及國內(nèi)的 GLM-OCR 等主流大模型與專用 OCR 方案，綜合排名全球第一。
在面向真實(shí)復(fù)雜場(chǎng)景設(shè)計(jì)的 Real5-OmniDocBench 評(píng)測(cè)中，該模型同樣表現(xiàn)突出，總指標(biāo)達(dá)到 93.19%，較 Gemini-3-Pro 提升約 4 個(gè)百分點(diǎn)，在掃描件、彎折文檔、屏幕拍照、光照變化及傾斜文檔五類真實(shí)場(chǎng)景下均保持領(lǐng)先。
據(jù)了解，PaddleOCR 系列在文本、公式、表格等核心識(shí)別能力上實(shí)現(xiàn)全面升級(jí)，表格結(jié)構(gòu)還原、古籍文字辨認(rèn)與生僻字識(shí)別等復(fù)雜任務(wù)的準(zhǔn)確率較上一代模型均有顯著提升；印章識(shí)別、圖表解析及文字定位（Spotting）等多項(xiàng)能力亦同步強(qiáng)化。

2、輕量架構(gòu)不變，開發(fā)者可無縫遷移
值得關(guān)注的是，PaddleOCR-VL-1.6 在保留上一代 0.9B 輕量化參數(shù)規(guī)模的前提下實(shí)現(xiàn)了性能躍升，通過模型驅(qū)動(dòng)的數(shù)據(jù)構(gòu)建機(jī)制與漸進(jìn)式訓(xùn)練優(yōu)化完成能力迭代。由于新舊兩代模型結(jié)構(gòu)保持一致，已在生產(chǎn)環(huán)境中部署 PaddleOCR-VL-1.5 的開發(fā)者和企業(yè)用戶，無需額外適配即可平滑遷移至新版本，降低了升級(jí)成本。
PaddleOCR 系列模型基于百度文心大模型訓(xùn)練而來，是文心多模態(tài)能力的重要組成部分，目前支持超過 100 種語言識(shí)別，用戶群體覆蓋全球 170 余個(gè)國家和地區(qū)。自項(xiàng)目開源以來，PaddleOCR 在 GitHub 上的 Star 數(shù)已突破 79,200，超越谷歌旗下老牌開源項(xiàng)目 Tesseract OCR，成為全球最受開發(fā)者關(guān)注的開源 OCR 項(xiàng)目之一。
3、即刻可用，代碼與權(quán)重全面開放
PaddleOCR-VL-1.6 目前已正式上線 PaddleOCR 官方網(wǎng)站（paddleocr.com），支持網(wǎng)頁端在線體驗(yàn)及 API 調(diào)用；模型代碼與權(quán)重文件已同步開源至 GitHub（github.com/PaddlePaddle/PaddleOCR）及 Hugging Face（huggingface.co/PaddlePaddle/PaddleOCR-VL-1.6），面向全球開發(fā)者免費(fèi)開放。
隨著文檔數(shù)字化需求的持續(xù)增長，高精度、強(qiáng)魯棒性的 OCR 能力正成為企業(yè)智能化轉(zhuǎn)型的關(guān)鍵底座。此次 PaddleOCR-VL-1.6 的發(fā)布，或?qū)⑦M(jìn)一步推動(dòng)國產(chǎn)開源 OCR 技術(shù)在全球范圍內(nèi)的采用與落地。