全球AI多模態競速激戰正酣，百度又放了個大招！

旗下新模型憑借0.9B參數量，在最新OmniDocBench V1.5榜單上拿下92.6分的成績，獲得綜合性能全球第一。

它就是百度剛剛發布并在Day 1就開源的自研多模態文檔解析模型PaddleOCR-VL。

（ps：0.9B參數量，對開發者的個人電腦真的炒雞友好?。?/p>

發布16小時內，該模型就登頂了抱抱臉Trending全球第一。

非常搶眼的是，這款模型不僅得分高，它還在文本識別、公式識別、表格理解、閱讀順序四大核心能力上全面拿下SOTA，成為當前唯一在這四個維度全部排名第一的模型，刷新了全球OCR VL模型性能的新高線。

PaddleOCR-VL是一款面向復雜文檔結構解析而設計的模型，是百度文心大模型體系下專注文檔解析任務的輕量化衍生產品，具備極強的行業落地導向和平臺集成能力，能輕松看懂令人頭禿的PDF和圖片。

敲黑板劃重點：它真的能理解格式雜、長度長的文檔中的邏輯結構、表格關系、數學表達等等。

和小紅書等平臺上，這個模型已經被大家先用起來并分享使用體驗。

實用又好用，已經收獲“哇”聲一片。

在AI從感知到認知不斷躍遷的當下，當模型不再只是識字工具，變成了具備結構感知與語義還原能力的利器，OCR在AI時代的意義也被徹底改寫。

登頂OmniDocBench，四大核心能力全線SOTA

PaddleOCR-VL登頂的OmniDocBench V1.5是目前全球衡量文檔解析能力最具權威性，也最具挑戰性的評測體系之一。

它經清華大學、阿里達摩院、上海人工智能實驗室等聯合發布，由開源社區推動發展，主要面向真實場景中的PDF文檔解析任務，包含1355頁PDF，涵蓋9種文檔類型、4種布局類型和3種語言類型，以及文本、表格、公式、閱讀順序等多維任務。

在最新一期OmniDocBench V1.5榜單中，PaddleOCR-VL以92.6的綜合得分問鼎榜首。

這頂全球桂冠背后，其實標志著該模型在模型結構設計、能力理解廣度和任務適配性上的整體優勢。

尤其值得注意的是，PaddleOCR-VL核心模型參數僅0.9B——以輕量之身越級打怪，正面超越了Gemini-2.5 Pro、GPT-4o等與其體量懸殊的巨型多模態大模型，同時擊敗了OCR領域的垂直模型dots.ocr、MinerU等等。