Hogar
Baidu Wenyin presenta PaddleOCR-VL-1.6, que alcanza una precisión del 96,33 % y establece un nuevo récord SOTA en el análisis de documentos

Baidu ha lanzado oficialmente PaddleOCR-VL-1.6, una variante especializada del modelo ERNIE Large. En la prestigiosa prueba de rendimiento OmnicDocBench v1.6, ha alcanzado una tasa de precisión del 96,33 %, superando a modelos líderes como Gemini-3-Pro, GPT-5.2 y GLM-OCR. Este logro establece un nuevo récord SOTA (estado del arte) en el sector y ocupa el primer puesto a nivel mundial en rendimiento global, lo que supone un gran avance en la forma en que los grandes modelos multimodales comprenden documentos complejos y analizan contextos del mundo real.
Como elemento clave del ecosistema multimodal del modelo ERNIE Large, PaddleOCR se basa en la plataforma ERNIE y actualmente admite más de 100 idiomas, prestando servicio a usuarios en más de 170 países y regiones. La versión mejorada PaddleOCR-VL-1.6 conserva una arquitectura ligera de 0,9 mil millones de parámetros, al tiempo que mejora significativamente las capacidades de reconocimiento básicas en escenarios difíciles —como tablas, textos antiguos, caracteres poco comunes, sellos y gráficos— mediante un mecanismo de construcción de datos basado en modelos y una optimización progresiva del entrenamiento.
En la evaluación Real5-OmniDocBench, que pone a prueba el rendimiento en entornos complejos del mundo real, el modelo mantuvo su liderazgo con una puntuación total del 93,19 %. Superó con éxito retos de análisis ampliamente reconocidos, como documentos escaneados, páginas dobladas, capturas de pantalla, variaciones de iluminación y texto inclinado.
Aprovechando la arquitectura ya consolidada, las empresas y los desarrolladores pueden migrar sin problemas y sin necesidad de adaptaciones adicionales. PaddleOCR ya ha superado las 79 200 estrellas en GitHub, superando al OCR Tesseract de Google para convertirse en el proyecto de OCR de código abierto más popular del mundo. El nuevo modelo ya está disponible en la página web oficial, con el código y los pesos de código abierto. A medida que los modelos de gran tamaño evolucionan cada vez más hacia la profundidad multimodal, PaddleOCR-VL-1.6 ofrece una solución más eficiente de nivel industrial para la digitalización de documentos y acelerará aún más el despliegue de la IA en aplicaciones multimodales complejas.
Artículo relacionado
Anthropic lanza Claude para Pequeñas Empresas, un paquete de habilidades de IA para PYMES
Anthropic lanzó oficialmente Claude para Pequeñas Empresas el miércoles, presentando una serie de herramientas de automatización diseñadas específicamente para pequeñas y medianas empresas (PYME). Esta iniciativa busca reducir las barreras técnicas,
El Consorcio de Investigación Alemán Desvela el Modelo de IA de Código Abierto Soofi
La Asociación Alemana de Inteligencia Artificial ha lanzado oficialmente Soofi S30B-A3B, un nuevo modelo de lenguaje grande de código abierto. Este hito avanza la infraestructura de IA soberana de Europa y revitaliza el sector de código abierto con u
La estimación de 6.400 millones de dólares de Toyota en robótica pone la IA física en el centro de atención
Toyota Motor proyecta que la implementación de la automatización en sus instalaciones de fabricación, filiales y proveedores clave podría requerir aproximadamente 400.000 robots y un gasto anual de unos 1 billón de yenes (6.400 millones de dólares) a
Recomendaciones de temas especiales relacionados
comentario (0)
0/500

Baidu ha lanzado oficialmente PaddleOCR-VL-1.6, una variante especializada del modelo ERNIE Large. En la prestigiosa prueba de rendimiento OmnicDocBench v1.6, ha alcanzado una tasa de precisión del 96,33 %, superando a modelos líderes como Gemini-3-Pro, GPT-5.2 y GLM-OCR. Este logro establece un nuevo récord SOTA (estado del arte) en el sector y ocupa el primer puesto a nivel mundial en rendimiento global, lo que supone un gran avance en la forma en que los grandes modelos multimodales comprenden documentos complejos y analizan contextos del mundo real.
Como elemento clave del ecosistema multimodal del modelo ERNIE Large, PaddleOCR se basa en la plataforma ERNIE y actualmente admite más de 100 idiomas, prestando servicio a usuarios en más de 170 países y regiones. La versión mejorada PaddleOCR-VL-1.6 conserva una arquitectura ligera de 0,9 mil millones de parámetros, al tiempo que mejora significativamente las capacidades de reconocimiento básicas en escenarios difíciles —como tablas, textos antiguos, caracteres poco comunes, sellos y gráficos— mediante un mecanismo de construcción de datos basado en modelos y una optimización progresiva del entrenamiento.
En la evaluación Real5-OmniDocBench, que pone a prueba el rendimiento en entornos complejos del mundo real, el modelo mantuvo su liderazgo con una puntuación total del 93,19 %. Superó con éxito retos de análisis ampliamente reconocidos, como documentos escaneados, páginas dobladas, capturas de pantalla, variaciones de iluminación y texto inclinado.
Aprovechando la arquitectura ya consolidada, las empresas y los desarrolladores pueden migrar sin problemas y sin necesidad de adaptaciones adicionales. PaddleOCR ya ha superado las 79 200 estrellas en GitHub, superando al OCR Tesseract de Google para convertirse en el proyecto de OCR de código abierto más popular del mundo. El nuevo modelo ya está disponible en la página web oficial, con el código y los pesos de código abierto. A medida que los modelos de gran tamaño evolucionan cada vez más hacia la profundidad multimodal, PaddleOCR-VL-1.6 ofrece una solución más eficiente de nivel industrial para la digitalización de documentos y acelerará aún más el despliegue de la IA en aplicaciones multimodales complejas.
Anthropic lanza Claude para Pequeñas Empresas, un paquete de habilidades de IA para PYMES
Anthropic lanzó oficialmente Claude para Pequeñas Empresas el miércoles, presentando una serie de herramientas de automatización diseñadas específicamente para pequeñas y medianas empresas (PYME). Esta iniciativa busca reducir las barreras técnicas,
El Consorcio de Investigación Alemán Desvela el Modelo de IA de Código Abierto Soofi
La Asociación Alemana de Inteligencia Artificial ha lanzado oficialmente Soofi S30B-A3B, un nuevo modelo de lenguaje grande de código abierto. Este hito avanza la infraestructura de IA soberana de Europa y revitaliza el sector de código abierto con u
La estimación de 6.400 millones de dólares de Toyota en robótica pone la IA física en el centro de atención
Toyota Motor proyecta que la implementación de la automatización en sus instalaciones de fabricación, filiales y proveedores clave podría requerir aproximadamente 400.000 robots y un gasto anual de unos 1 billón de yenes (6.400 millones de dólares) a











