百度重磅发布SOTA OCR模型，开源即登顶性能榜首

全球评测中的“中国方案”
在全球文档解析技术持续演进的背景下，百度于1月29日正式发布并开源 PaddleOCR-VL-1.5。该模型以0.9B参数规模，在 OmniDocBench V1.5 榜单中取得全球综合性能第一，整体精度达到94.5%，超越多款超大参数模型。这一结果表明，高精度文档解析不再依赖“参数堆叠”，而是进入效率与工程能力并重的新阶段。

突破传统OCR边界的关键能力
PaddleOCR-VL-1.5 最具代表性的创新，是首次实现对“异形文档”的稳定识别。通过“异形框定位”技术，模型能够准确解析倾斜、弯折、拍照畸变等非规则版式文档，显著提升真实业务场景下的识别成功率。这一能力的落地，使长期被视为OCR“盲区”的移动拍照与复杂扫描件首次具备稳定可控的解析表现。

复杂版面理解能力全面领先
在具体指标层面，PaddleOCR-VL-1.5 在表格结构理解与阅读顺序预测两项核心任务中均排名第一，分别取得92.8分与95.8分的成绩。在阅读顺序预测任务中，其版面逻辑错误率大幅低于同类模型，显示出对复杂文档布局的深度理解能力。这一优势，使其在合同、财报、政务公文等高复杂度场景中具备更高实用价值。

持续开源策略下的能力演进
自2025年10月首次发布 PaddleOCR-VL 并登顶全球榜单以来，百度持续推进模型能力升级。PaddleOCR-VL-1.5 在保持领先精度的同时，更加注重功能完整性与工程稳定性，体现出从“榜单领先”向“产业落地”的清晰演进路线。

多语种与长文档解析能力扩展
在应用层面，PaddleOCR-VL-1.5 对多语种与复杂结构识别进行了系统强化。不仅在生僻字、古籍文献、多语种表格等场景中识别效果显著提升，还新增对藏语、孟加拉语等语种的支持。同时，模型支持跨页表格自动合并与跨页标题识别，有效提升长文档解析的一致性与完整度。

激烈竞争中的技术分水岭
当前，OCR领域正迎来新一轮集中突破。DeepSeek、Mistral AI、字节跳动、腾讯等厂商相继推出新模型，精度竞争持续加剧。然而，随着应用场景不断复杂化，单一指标优势已难以支撑规模化落地。PaddleOCR-VL-1.5 在真实场景适配、结构理解与工程稳定性方面形成的系统优势，成为其脱颖而出的关键。

产业落地的现实意义
业内分析指出，OCR正从“辅助工具”转变为金融、政务、制造等核心流程的基础能力。PaddleOCR-VL-1.5 的发布，不仅刷新了技术指标，更在工程化与稳定性层面降低了应用门槛，为文档解析技术走向大规模生产环境提供了现实路径。