Baidu's PaddleOCR-VL-1.6 Achieves World-Leading Performance in Document Understanding

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96.33%，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。