模型目录与家族版本

PaddleOCR-VL-1.5-0.9B是百度飞桨推出的0.9B参数视觉语言模型，2026年1月发布1.5版，在OmniDocBench v1.5基准上达到94.5% SOTA准确率。支持布局分析后的元素级识别，包括文本定位、复杂表格、数学公式、图表、印章识别及文本spotting，兼容109种语言。采用原生分辨率视觉编码器、Adaptive MLP连接器与轻量ERNIE-4.5-0.3B语言模型，专为扫描、扭曲、屏幕拍摄、照明变化等真实世界文档场景优化。适合文档智能、发票提取、RAG构建、法律与学术文档处理等场景，资源消耗低、推理高效。以厂商/网关为准。

PaddleOCR-VL是百度飞桨推出的系列紧凑型视觉语言模型，核心为0.9B参数的PaddleOCR-VL-0.9B，融合NaViT动态分辨率视觉编码器与ERNIE-4.5-0.3B语言模型，专攻文档解析任务。支持109种语言，擅长识别文本、表格、公式、图表、印章等复杂元素，支持Markdown与JSON结构化输出。最新1.6版本在OmniDocBench v1.6上达到96.33% SOTA成绩，对扫描、倾斜、折叠、屏幕拍摄等真实场景鲁棒性强，推理速度快、资源占用低，适合实际部署。适用场景包括PDF/图像文档批量处理、RAG数据准备、发票合同提取、学术文献数字化及多语言历史文档识别。边界在于专注文档领域，通用视觉对话或非结构化图像理解能力有限；极端罕见布局或手写变体可能需额外微调。

PaddleOCR-VL 是百度飞桨开源的多模态文档理解与 OCR 系列模型，面向版面分析、表格/公式/图表识别与图文问答。参数量覆盖约 0.9B 的轻量端侧形态，适合中文文档解析、票据与扫描件结构化抽取。本站网关以短 ID（如 PaddleOCR-VL-1.5-0.9B）上架，便于中转与测速。

PaddleOCR-VL 是百度飞桨开源的多模态文档理解与 OCR 系列模型，面向版面分析、表格/公式/图表识别与图文问答。参数量覆盖约 0.9B 的轻量端侧形态，适合中文文档解析、票据与扫描件结构化抽取。本站网关以短 ID（如 PaddleOCR-VL-1.5-0.9B）上架，便于中转与测速。 本站网关上架模型。