PC加拿大网站 百度最强视觉识别模子来了！仅0.9B，文档领路能力杰出Gemini、GPT
智东西6月2日报说念，近日，厚爱发布文心繁衍视觉识别模子PaddleOCR-VL-1.6。
在巨擘文档领路能力评测集OmniDocBench v1.6上，PaddleOCR-VL-1.6总方针达到96.33%，杰出Gemini-3-Pro、GPT-5.2、MinerU-2.5-Pro、GLM-OCR等，轮廓性能第一。
在面向信得过复杂场景构建的Real5-OmniDocBench评测中，PaddleOCR-VL-1.6总方针达到93.19%，较 Gemini-3-Pro晋升近4%，在扫描件、弯折文档、屏幕拍照、光照变化及歪斜文档等五大信得过场景下均弘扬较优。
实测数据标明，相较于市面主流开源、闭源识别模子，PaddleOCR-VL-1.6在惯例翰墨、数学公式、表格三大基础识别维度轮廓弘扬更优。
针对表格领路、繁体古籍、冷僻用字等高难度识别场景，该模子为止较上一代彰着优化，图章甄别、翰墨定位、图表信息索要等细分任务性能也同步改善，不错适配各类文档数字化落地场景的本体使用条件。
当今，加拿大PC中国官网入口PaddleOCR-VL-1.6已上线PaddleOCR官网，救济网页端和API调用。同期，模子代码及权重已同步开源至GitHub和Hugging Face。
PaddleOCR官网：paddleocr.com
Github：github.com/PaddlePaddle/PaddleOCR
HuggingFace：huggingface.co/PaddlePaddle/PaddleOCR-VL-1.6
开云2026世界杯官方授权平台据文心团队先容，PaddleOCR基于文心大模子本质而来，是文心大模子多模态能力的膺惩部分，救济超100种话语识别，用户掩盖170多个国度和地区。
这次发布的PaddleOCR-VL-1.6，基于PaddleOCR-VL-1.5纠正通过模子运转的数据构建机制和渐进式本质优化，在保握0.9B轻量化架构的情况下，模子准确率和复杂场景稳妥能力进一步晋升。
由于两代模子模子结构一致，开拓者和企业用户无需进行极度适配，即可平滑搬动。
连年来，百度先后推出PaddleOCR-VL、PaddleOCR-VL-1.5等多款模子。PaddleOCR的GitHub星数已打破79.2K，逾越谷歌开源OCR款式Tesseract OCR。