# PaddleOCR-VL-1.6 – 百度推出的文档解析视觉语言模型

- Link: https://paooo.com/aigc-news/18598/
- Published: 2026-06-07T18:03:03+08:00
- Author: Prompt 语宙研究院

⚡ [Prompt](https://paooo.com/ai-image-prompts/) 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](https://paooo.com/aigc-news/18598/#paddleocrvl16%e6%98%af%e4%bb%80%e4%b9%88)
 * [PaddleOCR-VL-1.6的主要功能](https://paooo.com/aigc-news/18598/#paddleocrvl16%e7%9a%84%e4%b8%bb%e8%a6%81%e5%8a%9f%e8%83%bd)
 * [PaddleOCR-VL-1.6的技术原理](https://paooo.com/aigc-news/18598/#paddleocrvl16%e7%9a%84%e6%8a%80%e6%9c%af%e5%8e%9f%e7%90%86)
 * [如何使用PaddleOCR-VL-1.6](https://paooo.com/aigc-news/18598/#%e5%a6%82%e4%bd%95%e4%bd%bf%e7%94%a8paddleocrvl16)
 * [PaddleOCR-VL-1.6的核心优势](https://paooo.com/aigc-news/18598/#paddleocrvl16%e7%9a%84%e6%a0%b8%e5%bf%83%e4%bc%98%e5%8a%bf)
 * [PaddleOCR-VL-1.6的项目地址](https://paooo.com/aigc-news/18598/#paddleocrvl16%e7%9a%84%e9%a1%b9%e7%9b%ae%e5%9c%b0%e5%9d%80)
 * [PaddleOCR-VL-1.6的同类竞品对比](https://paooo.com/aigc-news/18598/#paddleocrvl16%e7%9a%84%e5%90%8c%e7%b1%bb%e7%ab%9e%e5%93%81%e5%af%b9%e6%af%94)
 * [PaddleOCR-VL-1.6的应用场景](https://paooo.com/aigc-news/18598/#paddleocrvl16%e7%9a%84%e5%ba%94%e7%94%a8%e5%9c%ba%e6%99%af)

![PaddleOCR-VL-1.6](https://paooo.com/wp-content/uploads/2026/06/PaddleOCR-VL-1.6-
website-1.avif)

## 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](https://paooo.com/ai-study/)
 * **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。

🔬 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 →](https://paooo.com/topics/deepseek/)

 * [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](https://paooo.com/aigc-news/13283/)
 * [OvisOCR2 – 阿里ATH-MaaS团队推出的端到端文档解析模型](https://paooo.com/aigc-news/30661/)
 * [PaddleOCR 2.9 – 百度飞桨推出的新版开源光学字符识别（OCR）工具库](https://paooo.com/aigc-news/26140/)
 * [阿里开源0.8B文档解析模型OvisOCR2，端到端方案登顶OmniDocBench](https://paooo.com/aigc-news/38898/)

[🏛️ Prompt 语宙研究院](https://paooo.com/author/paooo-research/) · 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](https://paooo.com/aigc-news/18598/?format=md)

💡 这篇内容对您有启发吗？

[📡 RSS 订阅](https://paooo.com/feed/)[✨ 提交 AI 工具 / 合作](https://paooo.com/submit-tool/)

**🚀 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)](https://ai.paooo.com/)[🎨 AI 生图 Prompt 库](https://paooo.com/ai-image-prompts/)
[📚 核心专题导航](https://paooo.com/topics/)[⚡ AIGC 早报生成器](https://paooo.com/mtool/)
