PaddleOCR-VL-1.6 以96.33%准确率超越GPT-5.2和Gemini-3-Pro，拿下全球第一

百度开源的PaddleOCR-VL-1.6在OmniDocBench v1.6评测中以96.33%准确率登顶，压过了Gemini-3-Pro、GPT-5.2和GLM-OCR等一票主流大模型——这意味着每处理100份文档，它只认错不到4份，直接刷新业界SOTA，综合性能被第三方榜单列为全球第一。

拆了谁的台

有开发者试了说，这个模型在复杂文档理解和真实场景解析上确实狠，把之前那些大厂砸重金堆参数量的模型全干下去了。群里在传，这波操作让谷歌Tesseract OCR的用户开始犹豫——毕竟PaddleOCR在GitHub上Star数已经突破79.2K，正好压过谷歌的项目，成了全球最火的开源OCR项目。

轻量但能打

新版本只用了0.9B参数量的轻量化架构——相当于一个小脑瓜里塞进了超强识别能力。通过模型驱动的数据构建机制和渐进式训练优化，在表格、古籍、生僻字、印章和图表识别这些谁做谁头疼的复杂场景里，识别能力明显上了一个台阶。有跑过实际业务的人说，古籍里的残损字和印章叠加噪点，以前肯定翻车，现在居然能输出正确内容。

真实场景也不虚

在专门折腾真实复杂场景的Real5-OmniDocBench评测中，这个模型拿了93.19%总指标，同样领先。群里的测试报告提到，扫描件、弯折、屏幕拍照、光照变化、倾斜文档这些OCR老毛病，它基本都撑住了。尤其屏幕拍照反光导致文字断裂，之前很多模型直接摆烂，现在PaddleOCR能找回大半。

迁移不用改代码

因为延续了前代架构，企业或者开发者可以直接把自己之前搭的PaddleOCR服务换上这个新模型权重，不用修改任何适配代码。GitHub上已经同步放出新模型和代码权重，想玩的人现在就能拉下来跑。

支持百种语言，覆盖170+国家

作为文心大模型多模态能力的核心组成部分，PaddleOCR目前支持超100种语言识别，用户覆盖全球170多个国家和地区。这次升级虽然没扩语言数量，但在已有语言上的复杂场景解析力是实打实提升了。

接下来盯着看什么

• 谷歌Tesseract会不会跟一个版本？Star数被超之后，开源生态地位开始动摇。
• **那些靠商用OCR吃饭的厂家（比如ABBYY、Textract）**会难受，因为一个免费开源的模型直接冲到了第一，而且文档数字化这波需求会加速往开源方案倾斜。
• 还能不能再往上卷？现在是0.9B，如果放开参数限制，会不会把准确率再顶到97%以上？三天后估计就有社区大神拿更大的底座去魔改。