Prompt 语宙Prompt 语宙
  • 首页
  • 语宙 AI 导航
  • AIGC 资讯
    • AIGC 早报生成器Hot
    • 最新趋势
    • AI 工具
    • 热门资源
    • 强化 AI 学习
  • AI 绘图
    • Prompt 实战
    • AI 绘画教程
    • 模型精选
  • AI 图库
    • 人物
    • 展台场景
    • Banner
    • 游戏
    • 动物
    • 食物
    • 自然
    • 背景
    • 海报
    • 建筑
    • 室内设计
  • 出海数字营销宝典
  • AI 生图 Prompt
    • 写实人像
    • 产品与广告
    • 游戏资产与 3D
    • 界面与图标
    • 建筑与室内
    • 动漫与插画
    • 风景与自然
搜索 AIGC 资讯、Prompt 咒语与 AI 工具
  • 语宙 AI 导航
  • 全部资讯
  • AI 生图咒语库
  • AIGC 早报生成器
  • 核心专题
  • 提交工具 / 合作
© 2023–2026 Prompt 语宙 (paooo.com). HalfPX. All Rights Reserved.
阅读: PaddleOCR-VL-1.6 – 百度推出的文档解析视觉语言模型
Share
通知 阅读更多
Font Resizer字体
Font Resizer字体
Prompt 语宙Prompt 语宙
搜索 AIGC 资讯、Prompt 咒语与 AI 工具
  • 首页
  • 语宙 AI 导航
  • AIGC 资讯
    • AIGC 早报生成器Hot
    • 最新趋势
    • AI 工具
    • 热门资源
    • 强化 AI 学习
  • AI 绘图
    • Prompt 实战
    • AI 绘画教程
    • 模型精选
  • AI 图库
    • 人物
    • 展台场景
    • Banner
    • 游戏
    • 动物
    • 食物
    • 自然
    • 背景
    • 海报
    • 建筑
    • 室内设计
  • 出海数字营销宝典
  • AI 生图 Prompt
    • 写实人像
    • 产品与广告
    • 游戏资产与 3D
    • 界面与图标
    • 建筑与室内
    • 动漫与插画
    • 风景与自然
已有帐户? 登陆
  • 语宙 AI 导航
  • 全部资讯
  • AI 生图咒语库
  • AIGC 早报生成器
  • 核心专题
  • 提交工具 / 合作
© 2023–2026 Prompt 语宙 (paooo.com). HalfPX. All Rights Reserved.
PaddleOCR-VL-1.6 – 百度推出的文档解析视觉语言模型
Prompt 语宙 > AIGC 资讯 > PaddleOCR-VL-1.6 – 百度推出的文档解析视觉语言模型
AIGC 资讯

PaddleOCR-VL-1.6 – 百度推出的文档解析视觉语言模型

Prompt 语宙研究院
最近更新: 2026年6月7日 下午6:03
AI办公效率 AI智能体 大模型微调 开源大模型
SHARE
⚡ Prompt 语宙 AI 导读 · 30 秒核心看点
  • 0.9B 轻量模型在 OmniDocBench v1.6 达到 96.33% SOTA,文本、公式、表格三项全面领先。
  • 采用“版面分析+VLM识别”两阶段架构,1.6 与 1.5 结构一致,可零成本替换权重迁移。
  • 支持 109 种语言、跨页表格合并、印章/古籍/图表识别,并可导出 Markdown、JSON、DOCX。

PaddleOCR-VL-1.6是什么

PaddleOCR-VL-1.6 是百度飞桨团队推出的文档解析视觉语言模型(VLM),是 PaddleOCR-VL 系列的最新升级版本。模型仅 0.9B 参数,在 OmniDocBench v1.6 权威基准测试中达到 96.33% 的全新 SOTA 成绩,同时在 OmniDocBench v1.5 和 Real5-OmniDocBench 上刷新纪录,文本、公式、表格识别全面领先开源与闭源方案。模型架构与 1.5 版本完全一致,支持零成本即插即用迁移。

阅读目录
  • PaddleOCR-VL-1.6是什么
  • PaddleOCR-VL-1.6的主要功能
  • PaddleOCR-VL-1.6的技术原理
  • 如何使用PaddleOCR-VL-1.6
  • PaddleOCR-VL-1.6的核心优势
  • PaddleOCR-VL-1.6的项目地址
  • PaddleOCR-VL-1.6的同类竞品对比
  • PaddleOCR-VL-1.6的应用场景

PaddleOCR-VL-1.6

PaddleOCR-VL-1.6的主要功能

  • 文本识别:通用文本识别,支持 109 种语言,OmniDocBench v1.6 文本得分 96.8。
  • 公式识别:数学公式 LaTeX 识别,得分 97.5,超越 GLM-OCR 和 MinerU。
  • 表格识别:复杂表格结构解析(含合并单元格、多层表头),TEDS 得分 94.8。
  • 古籍识别:中文古籍、竖排文字识别能力大幅提升。
  • 生僻字识别:罕见汉字识别显著增强。
  • 印章识别:公章/印章文字提取与定位。
  • 图表识别:饼图、折线图等 11 类图表解析为结构化数据。
  • 文本检测(Spotting):自然场景文字检测。
  • 结构化输出:支持 Markdown、JSON、DOCX 格式导出。
  • 跨页表格合并:自动识别并合并跨页表格。

PaddleOCR-VL-1.6的技术原理

  • 两阶段解耦架构:模型采用”版面分析+VLM识别”的两阶段设计:第一阶段由 PP-DocLayoutV3 检测 25 类文档元素并输出阅读顺序与坐标;第二阶段由 0.9B 参数的 VLM 逐元素识别。VLM 内部使用 NaViT 动态分辨率视觉编码器自适应处理不同尺寸图像,配合 ERNIE-4.5-0.3B 语言模型生成结构化输出,避免固定分辨率导致的小字信息丢失。
  • 零架构改动的数据驱动升级:1.6 版本与 1.5 模型结构完全一致,性能飞跃完全来自数据与训练策略优化。团队通过分析 1.5 在 OmniDocBench 各子项的薄弱区域,对古籍、生僻字、印章、复杂表格等场景实施定向数据增强。
  • 区域感知数据增强:针对薄弱区域引入 CV 模拟失真技术,在公式、文本等训练数据中模拟扫描、倾斜、光照、屏幕拍摄等真实物理畸变;同时扩展文本发现任务的最大分辨率至 2048×28×28 像素,注入大规模印章、古籍专项数据,显著提升真实场景鲁棒性。
  • 渐进式三阶段训练:采用”预训练→SFT→强化学习”的渐进方案:预训练数据从 2900 万扩至 4600 万图像-文本对;SFT 阶段在原有 OCR、表格、公式基础上新增印章识别和文本发现任务;最后通过 GRPO 强化学习进一步对齐输出质量,实现多任务统一。

如何使用PaddleOCR-VL-1.6

  • 本地安装(Python):安装 paddlepaddle-gpu==3.2.1(CUDA 12.6),执行 pip install -U "paddleocr[doc-parser]",完成环境配置后可使用。
  • 命令行使用:安装后运行 paddleocr doc_parser -i your_document.png 或 paddleocr doc_parser -i document.pdf,直接输出解析结果,支持单张图片和 PDF 批量处理。
  • Python API:导入 PaddleOCRVL 类初始化 pipeline,调用 predict() 传入图片路径,结果可通过 print() 查看,或使用 save_to_json()、save_to_markdown() 保存为结构化文件。
  • Docker 部署(生产环境):拉取官方镜像 ccr-2vdh3abv-pub.cnc.bj.baidubce.com/paddlepaddle/paddleocr-vl:latest-nvidia-gpu,启动容器后直接在容器内运行,适合服务器部署。
  • 推理服务部署:执行 paddleocr genai_server 一键启动 HTTP 服务,支持 vLLM、SGLang、FastDeploy、Transformers、llama.cpp 等多种后端,适合高并发 API 调用场景。

PaddleOCR-VL-1.6的核心优势

  • SOTA 精度:OmniDocBench v1.6 达 96.33%,文本、公式、表格全维度第一
  • 极致轻量:0.9B 参数,远小于 Qwen3-VL-235B、GPT-5.2 等通用大模型
  • 零成本迁移:架构与 1.5 完全一致,直接替换权重即可
  • 真实场景鲁棒:在扫描、扭曲、屏幕拍摄、光照变化、倾斜 5 大场景均刷新 SOTA
  • 多硬件支持:NVIDIA GPU(含 Blackwell)、Apple Silicon、昆仑芯、昇腾、AMD、Intel

PaddleOCR-VL-1.6的项目地址

  • GitHub仓库:https://github.com/PaddlePaddle/PaddleOCR
  • HuggingFace模型库:https://huggingface.co/PaddlePaddle/PaddleOCR-VL-1.6

PaddleOCR-VL-1.6的同类竞品对比

对比维度 PaddleOCR-VL-1.6 GLM-OCR MinerU 2.5
开发方 百度飞桨 智谱 AI 上海 AI Lab / 清华
参数规模 0.9B 0.9B 1.2B
OmniDocBench v1.6 96.33% 95.22% 95.75%
文本识别 96.8 94.0 –
公式识别 97.5 96.5 –
表格识别 (TEDS) 94.8 85.2 88.4
真实场景鲁棒性 ✅ SOTA ⚠️ 基础 ⚠️ 基础
古籍/生僻字 ✅ 显著增强 ✅ 支持 ⚠️ 一般
印章识别 ✅ 增强 ✅ 支持 ❌ 未提及
部署成本 极低 极低 中等
开源协议 开源免费 开源免费 开源免费

PaddleOCR-VL-1.6的应用场景

  • 文档数字化:将纸质档案、书籍、论文扫描件转换为 Markdown 或 JSON 结构化电子文档,支持批量处理。
    企业办公:自动提取合同、发票、报表、审批单中的关键信息,对接 ERP 或 OA 系统实现流程自动化。
    教育科研:识别学术论文中的复杂公式(LaTeX 输出)和表格数据,辅助文献整理与知识提取。
    金融服务:解析银行票据、财务报表、对账单,实现数据自动录入与合规审计。
    医疗健康:结构化录入病历、检查报告、处方单,支持医院信息化系统对接。
❓ 常见问题解答(FAQ)
PaddleOCR-VL-1.6适合做什么文档解析?

它适合做发票、合同、论文、表格、古籍、印章等文档解析,尤其擅长复杂版面、公式和跨页表格场景。模型可输出结构化结果,便于直接接入检索、归档和自动化流程。

PaddleOCR-VL-1.6和1.5版本有什么区别?

文章信息显示,1.6 与 1.5 的模型架构完全一致,升级主要来自数据与训练策略优化,而不是结构改动。因此它支持零成本即插即用迁移,直接替换权重即可。

PaddleOCR-VL-1.6支持哪些部署方式?

支持本地 Python 安装、命令行解析、Python API、Docker 生产部署,以及 genai_server 推理服务。文章还提到可适配 NVIDIA GPU、Apple Silicon、昆仑芯、昇腾、AMD、Intel 等硬件。

🔬 语宙深潜追问 · 进阶实操拆解
结构化导出最适合接哪些系统?

最适合接知识库、RPA、合同审阅和财务归档系统。因为Markdown、JSON、DOCX输出能直接进入下游流程,减少人工二次整理;如果只做OCR展示,模型优势会被浪费。

多硬件部署时怎么保住精度?

要统一预处理、后处理和量化策略,避免不同设备各自一套参数。实际部署中应先做小样本对齐测试,再按硬件能力选择精度档位,否则同一文档在不同端的表格和公式结果会漂移。

🗳️ 读者观点微投票 · 您的实战立场是?
0.9B文档模型,先追SOTA还是先追落地?
🕸️ 语宙向量知识图谱 · 语义强关联深度内链
🐋 所属权威专题:DeepSeek 深度实战与部署 →
  • PaddleOCR-VL重磅开源:0.9B参数登顶全球第一,多模态文档解析模型全面超越GPT-4o
  • OvisOCR2 – 阿里ATH-MaaS团队推出的端到端文档解析模型
  • PaddleOCR 2.9 – 百度飞桨推出的新版开源光学字符识别(OCR)工具库
  • 阿里开源0.8B文档解析模型OvisOCR2,端到端方案登顶OmniDocBench
🏛️ Prompt 语宙研究院 · Prompt 语宙研究院(paooo.com Research)专注于前沿多模态大模型架构拆解、AI Agent 工作流评测、AIGC 提示词工程(Prompt Engineering)与全球高增长 AI 生产力工具实测追踪,致力于为中文开发者与创作者提供一手、可复现的深度技术洞察。
📄 Markdown 纯净版
💡 这篇内容对您有启发吗?
📡 RSS 订阅✨ 提交 AI 工具 / 合作
🚀 Prompt 语宙 AI 创作者生态:探索 2,800+ 全球实用 AI 工具与高精度生图提示词咒语库
🧭 语宙 AI 导航 (ai.paooo.com)🎨 AI 生图 Prompt 库📚 核心专题导航⚡ AIGC 早报生成器
万相首尾帧模型 – 阿里通义开源的首尾帧生视频模型
Glass.health
MoBA – Moonshot AI 提出的新型注意力机制
Looria
KAG – 蚂蚁集团推出的专业领域知识服务框架
TAGGED:AI办公效率AI智能体大模型微调开源大模型
分享
Email 复制链接 打印
Share
Prompt 语宙研究院 头像
ByPrompt 语宙研究院
Follow:
Prompt 语宙研究院(paooo.com Research)专注于前沿多模态大模型架构拆解、AI Agent 工作流评测、AIGC 提示词工程(Prompt Engineering)与全球高增长 AI 生产力工具实测追踪,致力于为中文开发者与创作者提供一手、可复现的深度技术洞察。
上一篇 OpenClacky – 李亚飞团队开源的低成本 AI Agent OpenClacky – 李亚飞团队开源的低成本 AI Agent
下一篇 Gamma-World – 英伟达推出的多智能体世界模型 Gamma-World – 英伟达推出的多智能体世界模型
Ad image
Ad image

最近更新

NVIDIA Vera Rubin 亮相 MLPerf 评测并在训练与端点测试中领先
单GPU训练性能翻倍且智能体每瓦吞吐暴增10倍!NVIDIA Vera Rubin首战MLPerf大获全胜:DeepSeek-V3千卡扩展效率97%与Agentic端点推理全景深度拆解
AIGC 资讯
美国商务部大楼与半导体出口管制新规
算力超1200万TPP即触发许可且限期90天整改!美国商务部突发全球数据中心新规:封死离岸云端远程租用算力与废止AI扩散规则全景深度拆解
AIGC 资讯
AI 原生 CRM 初创公司 Dreamteam 获 5300 万美元融资,挑战 Salesforce 与 HubSpot
斩获5300万美元对标Salesforce!前Freshworks高管创办AI原生CRM Dreamteam:基于Company Brain虚拟记忆与自动化智能体流水线深度拆解
AI 工具
Optimizely 谈营销智能体落地:企业需将审核从输出转向输入
告别Vibe Coding虚火!Optimizely解密企业级营销智能体落地法则:从“输出审核”走向“输入约束”、专用Harness架构与800落地页规模化实战
最新趋势

相关推荐

奢华琥珀香氛瓶微距静物,黑曜石台面与水波折射焦散,冷冻水滴与金色高光,暗黑电影质感8K
AI 生图 Prompt产品与广告

[AI生图咒语] 奢华香氛微距商业静物海报:焦散水波折射(Caustics)、黑曜石台面与影棚高速闪光灯布光咒语

Prompt 语宙研究院
AI绘画提示词 Flux Midjourney Prompt stable diffusion 产品海报 商业摄影 大模型微调
Mercury扩散语言模型深度解析:Inception Labs革新AI生成速度,实现聊天应用极致低延迟
AI 工具AIGC 资讯

Mercury扩散语言模型深度解析:Inception Labs革新AI生成速度,实现聊天应用极致低延迟

Prompt 语宙研究院
AIGC AI智能体 AI编程 AI音频与语音 Inception Labs 并行生成 扩散语言模型
快手KAT-V1开源:自动思考模型40B/200B,性能逼近DeepSeek-R1,代码生成与复杂推理革新
AI 工具AIGC 资讯

快手KAT-V1开源:自动思考模型40B/200B,性能逼近DeepSeek-R1,代码生成与复杂推理革新

Prompt 语宙研究院
AIGC AI智能体 AI编程 DeepSeek KAT-V1 Llama 快手开源 自动思考模型 通义千问
[AI生图咒语] 例328 – 俯拍巨女城景自拍
1
AI 生图 Prompt写实人像

[AI生图咒语] 例328 – 俯拍巨女城景自拍

Prompt 语宙研究院
AI智能体 AI绘画提示词 Midjourney stable diffusion
/ Prompt 语宙 /

探索生成式 AI 的无限创作潜能,一站式获取前沿 AIGC 资讯、高阶 Prompt 咒语与全球实用 AI 工具。

核心专栏

  • Remaker AI
  • BGRemaker 抠图Hot
  • AIGC 工具
  • Prompt 咒语生成器
  • 去水印工具

生态与服务

  • 语宙 AI 导航
  • 全部资讯
  • AI 生图咒语库
  • AIGC 早报生成器
  • 核心专题
  • 提交工具 / 合作

标签

开源大模型 AI智能体 AI办公效率 AI绘画提示词 OpenAI 大模型微调 Midjourney AI编程 stable diffusion AI视频生成 ChatGPT 3D与空间智能 HuggingFace AI音频与语音 RAG检索增强 Claude Flux AIGC Gemini 通义千问 Anthropic Llama Cursor DeepSeek Prompt AI Agent Kimi 智谱AI 具身智能 YouTube
Prompt 语宙Prompt 语宙
Follow US
© 2023–2026 Prompt 语宙 (paooo.com). HalfPX. All Rights Reserved.