10月17日，HuggingFace 官网显示，百度昨晚发布的自研多模态文档解析模型 PaddleOCR-VL，发布16小时内即登顶 HuggingFace Trending 全球第一。

PaddleOCR-VL 核心模型参数仅0.9B，轻量高效，能以极低计算开销精准识别文本、手写汉字、表格、公式、图表等复杂元素，支持109种语言。

在权威榜单 OmniDocBench V1.5中，它以92.6分获综合性能全球第一，四大核心能力全线 SOTA，超越 GPT-4o 等模型，刷新 OCR VL 模型性能纪录。

作为文心4.5衍生模型，PaddleOCR-VL 融合了 NaViT 动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型，实现了精度与效率双突破。

注：文章内容转载自百度AI公众号