2023年初成立的硅谷初创公司Reducto AI，专注于解决企业非结构化数据解析痛点，通过其创新的Agentic OCR框架和API优先的文档AI平台，在短短18个月内融资1.08亿美元（约合7.6亿人民币）。两位MIT毕业的创始人Adit Abraham和Raunak Chowdhuri凭借精准的技术定位，将复杂文档处理准确率提升至99%以上，赢得金融、医疗等严肃场景客户青睐。截至2025年10月，Reducto累计处理超10亿页文档，ARR突破500万美元，并以每月6倍增速扩展市场。尽管面临AWS、Google等巨头竞争及技术迭代威胁，Reducto仍被视为‘卖铲人’典范，开辟智能文档处理新蓝海。

2025年10月，百度开源的PaddleOCR-VL模型成为当前OCR领域的最强模型。尽管仅0.9B参数量，该模型在评测集OmniDocBench v1.5中表现优异，综合得分92.56，超越DeepSeek-OCR的86.46。PaddleOCR-VL采用两步架构：先通过PP-DocLayoutV2进行布局分析，再由核心模型处理分块任务，显著提升效率与准确性。其在扫描PDF、手写笔记、论文排版及复杂表格等场景中均表现出色，识别精准且成本低，适合实际应用。目前模型已开源，可通过飞桨、魔搭或Hugging Face平台体验。PaddleOCR-VL以高效和实用取胜，为文档解析领域树立新标杆。

6月4日，英伟达发布基于Llama 3.1架构的Llama Nemotron Nano VL视觉-语言模型，专攻文档级理解任务。该模型整合CRadioV2-H视觉编码器与Llama 3.1语言模型，支持长达16K上下文处理，适用于多图像和复杂文本解析。模型分三阶段训练：图文预训练、多模态指令微调及文本指令优化，借助Megatron-LLM框架和A100/H100 GPU集群完成。在OCRBench v2测试中，其在OCR、表格解析及图表推理等任务上表现出色，尤其在结构化数据提取上媲美大规模模型。Llama Nemotron Nano VL支持灵活部署，兼容服务器与边缘设备，并提供4-bit量化版本，显著提升推理效率。此模型为企业文档处理提供高效解决方案。

11月26日，微软在其LlamaParse文档解析器中集成了Azure OpenAI端点，引入GPT-4o系列AI模型，以增强非结构化数据和多模态文档的提取及解析能力。此次升级使LlamaParse能更高效地处理文档，结合Azure OpenAI强大的语言模型，实现了从文档解析到生成的完整RAG工作流程。用户现在可以直接调用GPT-4o和GPT-4o-mini模型，并通过LlamaParse获得LLM优化输出，支持多种文档格式生成和语义搜索。此外，解析后的文档可无缝导入Azure AI Search的向量数据库，确保企业级的安全性和合规性。此更新为企业提供了更智能、更精准的文档处理解决方案。