百度文心发布 PaddleOCR-VL-1.6：准确率突破 96.33%，刷新文档解析 SOTA
TL;DR · AI 摘要
百度文心发布 PaddleOCR-VL-1.6，在 OmniDocBench v1.6 上准确率突破 96.33%，刷新文档解析 SOTA，综合性能全球第一，显著提升复杂场景下的文本、公式、表格识别能力。
核心要点
- PaddleOCR-VL-1.6 在 OmniDocBench v1.6 上准确率达 96.33%，超越 Gemini-3-Pro、GPT-5.2 等主流模型。
- 在 Real5-OmniDocBench 中总指标达 93.19%，较 Gemini-3-Pro 提升近 4 个百分点。
- 支持超 100 种语言识别，模型结构与前代一致，可平滑迁移，代码及权重已开源至 GitHub 和 Hugging Face。
结构提纲
按章节快速跳转。
- §引言
百度发布 PaddleOCR-VL-1.6，作为文心大模型的衍生模型，其在权威评测中刷新文档解析 SOTA。
- ·性能表现
PaddleOCR-VL-1.6 在 OmniDocBench v1.6 上准确率突破 96.33%，综合性能全球第一。
在 Real5-OmniDocBench 中，PaddleOCR-VL-1.6 总指标达 93.19%，五大真实场景均领先。
在文本、公式、表格、古籍、生僻字等复杂场景识别能力全面领先，增强印章、图表识别等关键功能。
基于文心大模型训练，保持 0.9B 轻量化架构，支持网页端和 API 调用，无需适配即可迁移。
模型代码及权重已开源至 GitHub 和 Hugging Face，面向全球开发者开放使用。
思维导图
用一张图看清主题之间的关系。
查看大纲文本（无障碍 / 无 JS 友好）
- PaddleOCR-VL-1.6 发布
- 性能突破
- OmniDocBench v1.6: 96.33%
- Real5-OmniDocBench: 93.19%
- 技术优势
- 轻量化架构 (0.9B)
- 异形框定位支持
- 应用场景
- 文本识别
- 公式识别
- 表格识别
- 开源生态
- GitHub 开源
- HuggingFace 分发
金句 / Highlights
值得收藏与分享的关键句。
PaddleOCR-VL-1.6 在 OmniDocBench v1.6 上准确率突破 96.33%，超越 Gemini-3-Pro、GPT-5.2 等闭源模型。
在 Real5-OmniDocBench 中，PaddleOCR-VL-1.6 总指标达 93.19%，较 Gemini-3-Pro 提升近 4 个百分点。
PaddleOCR-VL-1.6 支持超 100 种语言识别，且模型结构与前代一致，开发者可平滑迁移。
< img id="wx_img" src="https://www.qbitai.com/wp-content/uploads/imgs/qbitai-logo-1.png" width="400" height="400">
2026-06-02 15:47:30 来源：量子位
已上线 PaddleOCR 官网，支持网页端和API调用
近日，百度正式发布 PaddleOCR-VL-1.6。作为文心衍生模型，PaddleOCR-VL-1.6 在 OmniDocBench v1.6 权威评测中准确率突破 96.3%，在 Real5-OmniDocBench、OmniDocBench v1.5上也取得了最领先的分数，综合性能全球第一，刷新业界SOTA，在复杂文档理解和真实场景解析能力方面进一步突破。
△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，PaddleOCR-VL-1.6 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而来，是文心大模型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 PaddleOCR-VL-1.5 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，超过谷歌开源OCR项目 Tesseract OCR，成为全球最受开发者欢迎的开源OCR项目之一。
目前，PaddleOCR-VL-1.6 已上线 PaddleOCR 官网，支持网页端和API调用。同时，模型代码及权重已同步开源至 GitHub 和 Hugging Face，面向全球开发者开放使用。
- PaddleOCR官网：paddleocr.com
- Github：github.com/PaddlePaddle/PaddleOCR
- HuggingFace：huggingface.co/PaddlePaddle/PaddleOCR-VL-1.6
_版权所有，未经授权不得以任何形式转载及使用，违者必究。_