百度文心发布 PaddleOCR-VL-1.6：准确率突破 96.33%：刷新文档解析 SOTA | BestBl...

近日，PaddleOCR-VL-1.6正式上线，在多个权威文档理解评测中取得最优成绩，综合性能全球第一。以下将深入解析其核心能力与升级细节。

△在OmniDocBench v1.6上，PaddleOCR-VL-1.6在多项能力中实现SOTA

在权威评测集OmniDocBench v1.6上，PaddleOCR-VL-1.6总指标达到96.33%，超越Gemini-3-Pro、GPT-5.2、MinerU-2.5-Pro、GLM-OCR等，综合性能全球第一，领跑全球通用大模型和专用OCR模型。在面向真实复杂场景构建的Real5-OmniDocBench评测中，该模型总指标达到93.19%，较Gemini-3-Pro提升近4个百分点，在扫描件、弯折文档、屏幕拍照、光照变化及倾斜文档等五大真实场景下均保持领先表现。测试结果显示，PaddleOCR-VL-1.6在文本、公式、表格等核心识别能力上全面领先当前主流开源及闭源方案，在表格、古籍、生僻字识别等复杂场景能力显著提升，在印章、Spotting、图表识别等多项关键能力同步增强，可更好满足文档数字化的需求。

据了解，PaddleOCR基于文心大模型训练，是其多模态能力的重要部分，支持超100种语言识别，用户覆盖170多个国家和地区。此次发布的PaddleOCR-VL-1.6在上一代基础上进一步升级，通过模型驱动的数据构建机制和渐进式训练优化，在保持0.9B轻量化架构的情况下，模型准确率和复杂场景适应能力进一步提升。由于两代模型结构一致，开发者和企业用户无需进行额外适配，即可平滑迁移。

近年来，PaddleOCR持续推进文档理解能力升级，先后推出PaddleOCR-VL、PaddleOCR-VL-1.5等多款模型。其中，PaddleOCR-VL-1.5创新支持异形框定位，在真实文档场景中展现出较强解析能力。此前，PaddleOCR GitHub Star数已突破79.2K，超过Tesseract OCR等开源项目，成为全球最受开发者欢迎的开源OCR项目之一。

综上所述，PaddleOCR-VL-1.6凭借轻量化架构与卓越性能，在复杂文档解析领域树立了新标杆。目前该模型已开放使用，并提供开源资源供开发者获取。

1. PaddleOCR官网：paddleocr.com
2. Github：github.com/PaddlePaddle/PaddleOCR
3. HuggingFace：huggingface.co/PaddlePaddle/PaddleOCR-VL-1.6