百度文音推出 PaddleOCR-VL-1.6,準確度達 96.33%,在文件解析領域創下新的 SOTA 紀錄

百度已正式推出 PaddleOCR-VL-1.6,這是 ERNIE 大型模型的一款專用變體。 在權威的 OmnicDocBench v1.6 評測中,該模型以 96.33% 的準確率脫穎而出,表現優於 Gemini-3-Pro、GPT-5.2 及 GLM-OCR 等領先模型。 此成就樹立了業界新的 SOTA 標竿,並在綜合性能方面位居全球首位,標誌著多模態大型模型在理解複雜文件及分析真實世界情境方面取得重大突破。
作為 ERNIE 大型模型多模態生態系統的關鍵組成部分,PaddleOCR 基於 ERNIE 基礎架構打造,目前支援超過 100 種語言,服務遍及 170 多個國家和地區的用戶。 升級後的 PaddleOCR-VL-1.6 既保留了 0.9B 的輕量級架構,同時透過模型驅動的資料建構機制與漸進式訓練優化,顯著提升了在表格、古文、罕見字元、印章及圖表等高難度情境下的核心辨識能力。
在測試真實世界複雜環境下表現的 Real5-OmniDocBench 評估中,該模型以 93.19% 的總分維持領先地位。它成功克服了廣受認可的解析挑戰,例如掃描文件、彎曲頁面、螢幕截圖、光線變化以及傾斜文字等。
憑藉這套成熟的架構,企業與開發者可無縫遷移,無需額外調整。PaddleOCR 在 GitHub 上的星標數已突破 79.2K,超越 Google 的 Tesseract OCR,成為全球最受歡迎的開源 OCR 專案。 新模型現已於官方網站上線,程式碼與權重均已開源。隨著大型模型日益朝向多模態深度發展,PaddleOCR-VL-1.6 為文件數位化提供了更高效的工業級解決方案,並將進一步加速人工智慧在複雜多模態應用中的部署。
相關文章
Anthropic 推出面向中小企業的 Claude 技能包
Anthropic 於週三正式推出面向中小企業的 Claude,推出一套專為中小企業(SMB)量身定製的自動化工具套件。該舉措旨在降低技術門檻,使沒有專職 IT 人員的本地企業能夠利用生成式 AI 帶來的生產力提升。AI 行業的競爭焦點正從大型企業和開發者社羣轉向那些驅動經濟卻在 AI 採用方面滯後的 underserved 市場。與業務流程無縫整合該套餐的突出特點是其強大的整合能力。使用者可以在 Anthropic 的自動化平臺中啟用特定技能,以與主流商業軟體無縫連線:財務與支付: 相容 Qui
德國研究聯盟釋出開源人工智慧模型Soofi
德國人工智慧協會(German Association for Artificial Intelligence)正式釋出了 Soofi S30B-A3B,這是一款全新的開源大型語言模型。這一里程碑事件推動了歐洲自主 AI 基礎設施的發展,並以高效能和效率為重點,重振了開源領域。Soofi S30B-A3B 採用了一種平衡效率與能力的創新架構。該模型結合了混合專家(MoE)設計、Mamba-2 以及標準注意力層,包含 316 億個引數,但每個令牌僅啟用約 32 億個引數。這種方法大幅降低了計算成本
豐田64億美元機器人估算使物理人工智慧成為焦點
豐田汽車預計,自2028年起,在其製造設施、子公司及關鍵供應商中全面推廣自動化,可能需要約40萬臺機器人,年支出約為1萬億日元(64億美元)。據路透社報道,這一潛在投資方案已於9月初向投資者展示。豐田尚未確認全額投資是否會推進,也未說明如此規模的支出將持續多久。這40萬臺機器人的估算涵蓋了現有裝置的替換和新裝置的安裝,包括人形和非人形系統。該投資範圍包括工業機器人、自動化物流以及工廠車間內的未來協作機器人。豐田目前在各個製造階段利用並測試機器人技術。在其2026財年財務結果中,公司強調了涉及零部
相關專題推薦
評論 (0)
0/500

百度已正式推出 PaddleOCR-VL-1.6,這是 ERNIE 大型模型的一款專用變體。 在權威的 OmnicDocBench v1.6 評測中,該模型以 96.33% 的準確率脫穎而出,表現優於 Gemini-3-Pro、GPT-5.2 及 GLM-OCR 等領先模型。 此成就樹立了業界新的 SOTA 標竿,並在綜合性能方面位居全球首位,標誌著多模態大型模型在理解複雜文件及分析真實世界情境方面取得重大突破。
作為 ERNIE 大型模型多模態生態系統的關鍵組成部分,PaddleOCR 基於 ERNIE 基礎架構打造,目前支援超過 100 種語言,服務遍及 170 多個國家和地區的用戶。 升級後的 PaddleOCR-VL-1.6 既保留了 0.9B 的輕量級架構,同時透過模型驅動的資料建構機制與漸進式訓練優化,顯著提升了在表格、古文、罕見字元、印章及圖表等高難度情境下的核心辨識能力。
在測試真實世界複雜環境下表現的 Real5-OmniDocBench 評估中,該模型以 93.19% 的總分維持領先地位。它成功克服了廣受認可的解析挑戰,例如掃描文件、彎曲頁面、螢幕截圖、光線變化以及傾斜文字等。
憑藉這套成熟的架構,企業與開發者可無縫遷移,無需額外調整。PaddleOCR 在 GitHub 上的星標數已突破 79.2K,超越 Google 的 Tesseract OCR,成為全球最受歡迎的開源 OCR 專案。 新模型現已於官方網站上線,程式碼與權重均已開源。隨著大型模型日益朝向多模態深度發展,PaddleOCR-VL-1.6 為文件數位化提供了更高效的工業級解決方案,並將進一步加速人工智慧在複雜多模態應用中的部署。
Anthropic 推出面向中小企業的 Claude 技能包
Anthropic 於週三正式推出面向中小企業的 Claude,推出一套專為中小企業(SMB)量身定製的自動化工具套件。該舉措旨在降低技術門檻,使沒有專職 IT 人員的本地企業能夠利用生成式 AI 帶來的生產力提升。AI 行業的競爭焦點正從大型企業和開發者社羣轉向那些驅動經濟卻在 AI 採用方面滯後的 underserved 市場。與業務流程無縫整合該套餐的突出特點是其強大的整合能力。使用者可以在 Anthropic 的自動化平臺中啟用特定技能,以與主流商業軟體無縫連線:財務與支付: 相容 Qui
德國研究聯盟釋出開源人工智慧模型Soofi
德國人工智慧協會(German Association for Artificial Intelligence)正式釋出了 Soofi S30B-A3B,這是一款全新的開源大型語言模型。這一里程碑事件推動了歐洲自主 AI 基礎設施的發展,並以高效能和效率為重點,重振了開源領域。Soofi S30B-A3B 採用了一種平衡效率與能力的創新架構。該模型結合了混合專家(MoE)設計、Mamba-2 以及標準注意力層,包含 316 億個引數,但每個令牌僅啟用約 32 億個引數。這種方法大幅降低了計算成本
豐田64億美元機器人估算使物理人工智慧成為焦點
豐田汽車預計,自2028年起,在其製造設施、子公司及關鍵供應商中全面推廣自動化,可能需要約40萬臺機器人,年支出約為1萬億日元(64億美元)。據路透社報道,這一潛在投資方案已於9月初向投資者展示。豐田尚未確認全額投資是否會推進,也未說明如此規模的支出將持續多久。這40萬臺機器人的估算涵蓋了現有裝置的替換和新裝置的安裝,包括人形和非人形系統。該投資範圍包括工業機器人、自動化物流以及工廠車間內的未來協作機器人。豐田目前在各個製造階段利用並測試機器人技術。在其2026財年財務結果中,公司強調了涉及零部





首頁






