作者 | 王涵

編輯 | 心緣

智東西6月2日報道，近日，百度正式發布文心衍生視覺識別模型PaddleOCR-VL-1.6。

在權威文檔解析能力評測集OmniDocBench v1.6上，PaddleOCR-VL-1.6總指標達到96.33%，超越Gemini-3-Pro、GPT-5.2、MinerU-2.5-Pro、GLM-OCR等，綜合性能第一。

在面向真實複雜場景構建的Real5-OmniDocBench評測中，PaddleOCR-VL-1.6總指標達到93.19%，較 Gemini-3-Pro提升近4%，在掃描件、彎折文檔、螢幕拍照、光照變化及傾斜文檔等五大真實場景下均表現較優。

實測數據表明，相較於市面主流開源、閉源識別模型，PaddleOCR-VL-1.6在常規文字、數學公式、表格三大基礎識別維度綜合表現更優。

針對表格解析、繁體古籍、冷僻用字等高難度識別場景，該模型效果較上一代明顯優化，印章甄別、文字定位、圖表信息提取等細分任務性能也同步改善，可以適配各類文檔數字化落地場景的實際使用要求。

目前，PaddleOCR-VL-1.6已上線PaddleOCR官網，支持網頁端和API調用。同時，模型代碼及權重已同步開源至GitHub和Hugging Face。

PaddleOCR官網：paddleocr.com

Github：github.com/PaddlePaddle/PaddleOCR

HuggingFace：huggingface.co/PaddlePaddle/PaddleOCR-VL-1.6

據文心團隊介紹，PaddleOCR基於文心大模型訓練而來，是文心大模型多模態能力的重要部分，支持超100種語言識別，用戶覆蓋170多個國家和地區。

此次發布的PaddleOCR-VL-1.6，基於PaddleOCR-VL-1.5改進通過模型驅動的數據構建機制和漸進式訓練優化，在保持0.9B輕量化架構的情況下，模型準確率和複雜場景適應能力進一步提升。

由於兩代模型模型結構一致，開發者和企業用戶無需進行額外適配，即可平滑遷移。

近年來，百度先後推出PaddleOCR-VL、PaddleOCR-VL-1.5等多款模型。PaddleOCR的GitHub星數已突破79.2K，超過谷歌開源OCR項目Tesseract OCR。