PaddleOCR-VL
百度飞桨的 0.9B、Apache 2.0 文档解析模型:自报 OmniDocBench v1.6 得 96.33%,支持表格、公式、图表和印章。
一句话概括. PaddleOCR-VL 是一个很小的 AI 模型,专门读文档。它能找出页面的版面,把文字、表格、公式、图表和印章转成结构化输出。它不到 10 亿参数,普通硬件就能运行,Apache 2.0 许可证允许商用。
概述
PaddleOCR-VL-1.6 由百度飞桨团队于 2026 年 5 月 28 日发布,是 PaddleOCR-VL-1.5 的升级版。该模型被描述为 9 亿参数的文档解析器;检查点约 9.6 亿个 BF16 参数,合 1.92 GB,采用 Apache 2.0 许可证。架构与 1.5 版完全兼容,现有部署可以不改动直接替换。
据技术报告,提升来自两处训练改动:一是区域感知的数据流程,找出上一代模型不稳定的地方,针对性补充训练数据,并清理不可靠的标注;二是随后的分阶段后训练方案,包含数据筛选和强化学习。模型卡列出了对表格、中文古籍和生僻字更好的识别,以及印章识别、文字定位和图表识别方面的提升。
PaddleOCR 报告在 OmniDocBench v1.6 上得 96.33%,称这是新的最好成绩,并称在 OmniDocBench v1.5 和 Real5-OmniDocBench 上创下纪录;Real5-OmniDocBench 是飞桨团队基于 v1.5 数据构建的,包含扫描、扭曲、拍屏、光照不佳和倾斜的页面。对比模型的数字来自 OmniDocBench 官方榜单,Gemini 3 Pro、Qwen3-VL-235B-A22B-Instruct 和它自己的模型除外,这三个由它自行评测。所有这些都是开发方报告的,v1.6 的得分与 GLM-OCR 在 V1.5 上的 94.62 不可比。
推荐的运行方式是 PaddleOCR 的文档解析流程,需要 PaddlePaddle 3.2.1 或更高版本,也可以再配合 Docker 里基于 vLLM 的推理服务。Transformers 路线(5 或更高版本)也可用,但只支持元素级识别和文字定位;百度还发布了 GGUF 版本。
适合做什么
- 在普通硬件上做包含版面、表格、公式、图表和印章的完整文档解析
- 以中文为主的文档,包括古籍和生僻字
- 无需改代码即可替换 PaddleOCR-VL-1.5
- 想用 Apache 2.0 许可证的商业流程
需要注意
- 分数是 PaddleOCR 自己的,使用的是 OmniDocBench v1.6,不能与 v1.5 上的结果直接比较
- 默认路径需要 PaddlePaddle 框架 3.2.1 或更高版本,以及特殊版本的 safetensors
- Transformers 路线只覆盖元素级识别和文字定位,且说明建议 macOS 用户用 Docker 搭建环境
- 它是文档解析器,不是通用视觉语言模型
性能数据来自开发方,未经独立验证。
需要多少内存?
以下为 PaddleOCR-VL-1.6 版本的估算。混合专家模型虽然每个 token 只用到部分专家,但所有专家都必须装进内存:总参数量决定所需内存,激活参数量决定速度。
| 版本 | 参数量 | BF16 | FP8 / INT8 | 4-bit (Q4) | 可运行于 |
|---|---|---|---|---|---|
| PaddleOCR-VL-1.6 BF16 | 960M | 2.21 GB | 1.1 GB | 0.662 GB | 笔记本或手机 |
估算方法:权重大小加约 15% 的运行开销。实际占用会随上下文长度增长,也取决于所用的软件。
许可证,用大白话说
最常见的宽松型许可证之一。你可以使用、修改模型并基于它销售产品,只需遵守少量条件。
延伸阅读
常见问题
- PaddleOCR-VL 是什么?
- PaddleOCR-VL 是一个很小的 AI 模型,专门读文档。它能找出页面的版面,把文字、表格、公式、图表和印章转成结构化输出。它不到 10 亿参数,普通硬件就能运行,Apache 2.0 许可证允许商用。
- PaddleOCR-VL 可以商用吗?
- 可以。PaddleOCR-VL 采用 Apache 2.0 发布,这是一种宽松许可证。只要遵守常规条件(例如保留许可证声明),就可以商用。
- PaddleOCR-VL 是开源的吗?
- PaddleOCR-VL 采用 Apache 2.0 发布,该许可证经开源促进会(OSI)认可。训练数据和训练代码不一定公开,因此更准确的说法是“采用开源许可证的开放权重模型”。
- 我能在自己的电脑上运行 PaddleOCR-VL 吗?
- 可以。最小版本 PaddleOCR-VL-1.6 在 4 位精度下约需 0.662 GB 内存,现代笔记本或中端显卡即可胜任。
- PaddleOCR-VL 是什么时候发布的?
- PaddleOCR-VL 由 Baidu 于 2026年5月28日 发布。
官方链接
来源
规格数据来自以下一手资料。文中提到的基准测试结果由开发方自报。
- PaddleOCR-VL-1.6 model card (Hugging Face) huggingface.co
- PaddleOCR-VL-1.6 technical report arxiv.org
- PaddleOCR repository (GitHub) github.com
发布时间等信息最近核实于 2026年11月11日。
相关模型
| 模型 | 发布时间 | 参数量 | 上下文 | 许可证 | 最小版本所需内存 |
|---|---|---|---|---|---|
| GLM-OCR Z.ai (Zhipu AI) | 900M | – | MIT (宽松) | 0.621 GB 笔记本或手机 | |
| Unlimited-OCR Baidu | 3.34B | – | MIT (宽松) | 2.3 GB 笔记本或手机 | |
| DeepSeek-OCR 2 DeepSeek | 3.39B | – | Apache 2.0 (宽松) | 2.34 GB 笔记本或手机 | |
| Mirage Cactus Compute | 51M | – | Apache 2.0 (宽松) | 0.0354 GB 笔记本或手机 |