1月29日，百度发布并开源新一代OCR模型PaddleOCR-VL-1.5，以0.9B参数量在全球权威评测OmniDocBench V1.5中综合性能排名第一，精度达94.5%，超越Gemini-3-Pro、DeepSeek-OCR2等主流模型。该模型首次实现“异形框定位”，精准识别倾斜、弯折等非规则文档形态，解决真实场景中的形变问题，适用于金融票据、政务文档等复杂场景。其在表格结构理解（92.8分）和阅读顺序预测（95.8分）等关键指标上领先，并新增藏语、孟加拉语支持及跨页表格合并功能。近半年来，DeepSeek-OCR2、Mistral AI等厂商密集布局OCR领域，行业竞争加剧。PaddleOCR-VL-1.5已全面开源，开发者可通过GitHub或百度智能云千帆平台获取与调用API接口。

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。

2025年10月17日，百度发布并开源了自研多模态文档解析模型PaddleOCR-VL，以仅0.9B参数量登顶OmniDocBench V1.5榜单，综合得分92.6，成为全球性能第一的OCR模型。该模型在文本识别、公式识别、表格理解、阅读顺序四大核心能力上全面刷新SOTA，支持109种语言及复杂场景解析。其创新两阶段架构和轻量化设计使其在效率与精度上领先同类模型，并能在单张A100 GPU上实现1881 token/s的推理速度。PaddleOCR-VL已在GitHub开源，技术报告和体验Demo同步上线，标志着中国模型在全球多模态文档解析领域树立新标准。