OCR 能力天梯
多模态模型图像文字提取准确率与鲁棒性评估
相关： PaddleOCR 目录 · OCR 模型搜索 · 图像处理榜
数据更新于 2026-07-31 · 能力库 206 条（网关 49 · 站外 157 · AA 173 · Arena 100） · 当前榜 1 名 · OpenRouter 实时已接入 · 知识库 159 模 / 31 族 / 26 维
模型天梯 · modality
OCR 能力天梯
本榜评估多模态模型在光学字符识别（OCR）方面的能力，重点考察其从图像中准确提取文字、表格、公式等信息的能力。数据来源于 OCRBench、DocVQA 等专业基准测试、Arena 多模态对战结果以及实际 API 使用数据和启发式评估。解读时，较高得分表明模型在各种复杂场景下的 OCR 表现更优，适用于文档自动化、内容提取等任务。注意不同基准的侧重点不同，综合参考可获得更全面的模型画像。
- 基准测试准确率（如 OCRBench、DocVQA 分数）
- 跨语言、跨字体和复杂场景鲁棒性加权
- 实际 API 用量与用户反馈整合
| # | 模型 | 厂商 | 地区 | OCR 分 | 相对 | 说明 | 证据源 | 佐证 |
|---|---|---|---|---|---|---|---|---|
| 🥇 | PaddleOCR-VL-1.5-0.9B PaddleOCR-VL-1.5-0.9B | other | —网关 | 68 | OCR / 文档 光学字符识别 | catalogimage | 查看佐证 |
启发式维度（中文/英文/OCR/软件等）在无官方公开 bench 时由厂商归属、模态与关联模型热度估算，仅供选型参考； 客观能力以 AA 智力/代码/Agent 与本站实测为准。交叉验证： 用量榜 · 模型目录 · 实验室。
관련 도구
Clavue CLI / imux IDE / clavue-2.1
Clavue · CLI 与 Agent 平台
CLI / GUI Agent 运行时、设备登录、会员额度与 OpenAI 兼容 API（api.clavue.com）。开发脚本、CI 与本地工具一条链路。
打开 Clavue ↗imux · 原生 macOS AI IDE
Clavue 平台的原生 IDE：多 Agent 分屏、Ghostty 级终端、Agent Chat、浏览器自动化与 Supervisor——不是又一个 Electron 壳。
了解 imux ↗Clavue 2.1 · 产品级大模型
旗舰模型 clavue-2.1（及 fast / pro / rev）：适合复杂推理与长程 Agent 循环。Chat、imux、API 共用会员额度。
查看模型 ↗