百度PaddleOCR-VL模型登顶全球OCR榜单，连续5天领跑Huggingface趋势榜
核心要点
- 发布时间：2025年10月16日
- 发布团队：百度PaddlePaddle团队
- 模型名称：PaddleOCR-VL（视觉语言模型）
- 参数规模：9亿参数(0.9B)
性能表现
权威评测成绩
- 评测基准：OmniDocBench V1.5
- 得分：92.56分
- 排名：全球OCR榜单第一
- 超越模型：包括DeepSeek-OCR在内的所有主流模型
Huggingface趋势表现
截至10月21日，Huggingface全球模型趋势榜前三名均为OCR模型：
- PaddleOCR-VL（百度PaddlePaddle）- 连续5天位居榜首
- DeepSeek-OCR
- NanonetOCR
技术特性
多语言支持
- 支持109种语言识别
- 准确解析文本、表格、公式和图表
- 具备文档语义结构重建能力
核心能力
不仅"识别字符"，更能"理解"复杂文档内容，在以下领域展现高实用价值：
- 科研论文处理
- 发票识别
- 知识提取
行业背景
技术认可
DeepSeek团队在论文中特别致谢PaddleOCR，并透露其部分训练数据使用PaddleOCR进行标注。
行业趋势分析
当前OCR模型繁荣背后的真实逻辑：
- 百度、DeepSeek、上海AI Lab等机构几乎同时开源OCR模型
- 目的不仅是竞争识别性能，更是为大模型训练提供数据清洗和标注的基础能力
- 核心竞争点：谁能更快帮助AI理解世界中的文本和图像
市场影响
PaddleOCR-VL已成为当前最受关注的开源OCR模型，展现了百度在OCR技术领域的领先地位。
