---
title: "PaddleOCR-VL-1.6 – 百度推出的文档解析视觉语言模型"
url: "https://paooo.com/aigc-news/18598/"
author: "Prompt 语宙研究院"
published_at: "2026-06-07T18:03:03+08:00"
updated_at: "2026-06-07T18:03:03+08:00"
categories: "AIGC 资讯"
tags: "AI办公效率, AI智能体, 大模型微调, 开源大模型"
source: "Prompt 语宙 (https://paooo.com)"
ai_tools_directory: "语宙 AI 导航 (https://ai.paooo.com)"
---

# PaddleOCR-VL-1.6 – 百度推出的文档解析视觉语言模型

> 来源：[Prompt 语宙 (paooo.com)](https://paooo.com/aigc-news/18598/) · 作者：Prompt 语宙研究院 · 发布时间：2026-06-07

## AI 30 秒核心看点 (TL;DR)

- 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。

## 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**](https://ai-bot.cn/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。

---
探索 2,800+ 全球实用 AI 工具与官方直达入口：[语宙 AI 导航 (https://ai.paooo.com/)](https://ai.paooo.com/)
