Дом
Baidu Wenyin представила PaddleOCR-VL-1.6, достигшую точности 96,33 % и установившую новый рекорд SOTA в области анализа документов

Компания Baidu официально представила PaddleOCR-VL-1.6 — специализированную версию большой модели ERNIE. В авторитетном тесте OmnicDocBench v1.6 он продемонстрировал точность 96,33%, превзойдя такие ведущие модели, как Gemini-3-Pro, GPT-5.2 и GLM-OCR. Это достижение устанавливает новый отраслевой рекорд (SOTA) и занимает первое место в мире по комплексной производительности, что знаменует собой значительный скачок вперед в том, как мультимодальные крупные модели понимают сложные документы и анализируют реальные контексты.
Являясь ключевым элементом мультимодальной экосистемы ERNIE Large Model, PaddleOCR построен на базе ERNIE и в настоящее время поддерживает более 100 языков, обслуживая пользователей в более чем 170 странах и регионах. Обновленная версия PaddleOCR-VL-1.6 сохраняет лёгкую архитектуру объёмом 0,9 млрд параметров, при этом значительно улучшая основные возможности распознавания в сложных сценариях — включая таблицы, древние тексты, редкие символы, печати и диаграммы — благодаря механизму построения данных на основе модели и постепенной оптимизации обучения.
В тесте Real5-OmniDocBench, который проверяет производительность в реальных сложных условиях, модель сохранила лидерство с общим результатом 93,19 %. Она успешно справилась с широко известными проблемами разбора, такими как отсканированные документы, помятые страницы, снимки экрана, изменения освещения и наклонный текст.
Благодаря проверенной архитектуре предприятия и разработчики могут плавно перейти на новую версию без необходимости дополнительной адаптации. PaddleOCR уже набрал более 79,2 тыс. звезд на GitHub, обогнав OCR-проект Tesseract от Google и став самым популярным в мире OCR-проектом с открытым исходным кодом. Новая модель теперь доступна на официальном сайте, причем как исходный код, так и веса опубликованы в открытом доступе. По мере того как крупные модели всё больше развиваются в направлении мультимодальной глубины, PaddleOCR-VL-1.6 предлагает более эффективное решение промышленного уровня для оцифровки документов и будет ещё больше ускорять внедрение ИИ в сложных мультимодальных приложениях.
Связанная статья
Anthropic запускает Claude для малого бизнеса — набор ИИ-навыков для МСП
Среда, 2023 год — Anthropic официально запустила Claude для малого бизнеса, представив набор инструментов автоматизации, адаптированных для малых и средних предприятий (МСП). Эта инициатива направлена на снижение технических барьеров, позволяя местны
Немецкое исследовательское консорциум представило открытую модель искусственного интеллекта Soofi
Немецкая ассоциация искусственного интеллекта официально представила Soofi S30B-A3B, новую большую языковую модель с открытым исходным кодом. Этот важный шаг способствует развитию суверенной европейской инфраструктуры в области искусственного интелле
Оценка Toyota в $6,4 млрд на робототехнику выводит физический ИИ в фокус
Toyota Motor прогнозирует, что развертывание автоматизации на своих производственных мощностях, в дочерних компаниях и среди ключевых поставщиков может потребовать примерно 400 000 роботов и ежегодных расходов около 1 трлн иен (6,4 млрд долларов США)
Рекомендации по связанным специальным темам
Комментарии (0)

Компания Baidu официально представила PaddleOCR-VL-1.6 — специализированную версию большой модели ERNIE. В авторитетном тесте OmnicDocBench v1.6 он продемонстрировал точность 96,33%, превзойдя такие ведущие модели, как Gemini-3-Pro, GPT-5.2 и GLM-OCR. Это достижение устанавливает новый отраслевой рекорд (SOTA) и занимает первое место в мире по комплексной производительности, что знаменует собой значительный скачок вперед в том, как мультимодальные крупные модели понимают сложные документы и анализируют реальные контексты.
Являясь ключевым элементом мультимодальной экосистемы ERNIE Large Model, PaddleOCR построен на базе ERNIE и в настоящее время поддерживает более 100 языков, обслуживая пользователей в более чем 170 странах и регионах. Обновленная версия PaddleOCR-VL-1.6 сохраняет лёгкую архитектуру объёмом 0,9 млрд параметров, при этом значительно улучшая основные возможности распознавания в сложных сценариях — включая таблицы, древние тексты, редкие символы, печати и диаграммы — благодаря механизму построения данных на основе модели и постепенной оптимизации обучения.
В тесте Real5-OmniDocBench, который проверяет производительность в реальных сложных условиях, модель сохранила лидерство с общим результатом 93,19 %. Она успешно справилась с широко известными проблемами разбора, такими как отсканированные документы, помятые страницы, снимки экрана, изменения освещения и наклонный текст.
Благодаря проверенной архитектуре предприятия и разработчики могут плавно перейти на новую версию без необходимости дополнительной адаптации. PaddleOCR уже набрал более 79,2 тыс. звезд на GitHub, обогнав OCR-проект Tesseract от Google и став самым популярным в мире OCR-проектом с открытым исходным кодом. Новая модель теперь доступна на официальном сайте, причем как исходный код, так и веса опубликованы в открытом доступе. По мере того как крупные модели всё больше развиваются в направлении мультимодальной глубины, PaddleOCR-VL-1.6 предлагает более эффективное решение промышленного уровня для оцифровки документов и будет ещё больше ускорять внедрение ИИ в сложных мультимодальных приложениях.
Anthropic запускает Claude для малого бизнеса — набор ИИ-навыков для МСП
Среда, 2023 год — Anthropic официально запустила Claude для малого бизнеса, представив набор инструментов автоматизации, адаптированных для малых и средних предприятий (МСП). Эта инициатива направлена на снижение технических барьеров, позволяя местны
Немецкое исследовательское консорциум представило открытую модель искусственного интеллекта Soofi
Немецкая ассоциация искусственного интеллекта официально представила Soofi S30B-A3B, новую большую языковую модель с открытым исходным кодом. Этот важный шаг способствует развитию суверенной европейской инфраструктуры в области искусственного интелле
Оценка Toyota в $6,4 млрд на робототехнику выводит физический ИИ в фокус
Toyota Motor прогнозирует, что развертывание автоматизации на своих производственных мощностях, в дочерних компаниях и среди ключевых поставщиков может потребовать примерно 400 000 роботов и ежегодных расходов около 1 трлн иен (6,4 млрд долларов США)











