PaddleOCR-VL
0.9B参数的文档解析视觉语言模型（VLM）组件：NaViT式动态分辨率视觉编码器加ERNIE-4.5-0.3B语言模型，官方称支持109种语言与文本、表格、公式、图表等元素识别；整页解析需配合PP-DocLayoutV2版面分析等流水线组件（随PaddleOCR/PaddleX提供）。
最后核实：
https://huggingface.co/PaddlePaddle/PaddleOCR-VL特点与限制
主要特点
- 核心VLM组件PaddleOCR-VL-0.9B支持文本、表格、公式、图表元素识别，官方称覆盖109种语言与手写、历史文档等场景
- 官方技术报告称OmniDocBench v1.5整页解析总评92.56分，超过同表对照MinerU2.5-1.2B（90.67）
- 官方提供两条使用路线：PaddleOCR/PaddleX整页文档解析流水线（含版面检测）与transformers元素级识别
- 官方提供vLLM服务端加速路线与paddleocr-genai-vllm-server Docker镜像
- 仓库文件同时包含PP-DocLayoutV2版面分析组件（Paddle inference格式）
使用边界
- 核心VLM组件与整页文档解析流水线是两个口径：本条目参数与成绩只覆盖0.9B VLM组件，流水线中的PP-DocLayoutV2等组件参数官方未给出。
- 官方HF模型卡的OmniDocBench成绩表为图片，正文数值来自官方技术报告arXiv:2510.14528v1；后续1.5报告对PaddleOCR-VL的重跑总分为92.86，与本条记录的92.56存在报告间差异。
- 官方称支持109种语言，但未给出逐语言公开成绩，目标语言与版面需自行验证。
- 官方未披露LLM token上下文长度；本条不填写上下文数值。
- 本站未实测整页解析或元素识别效果。
模型信息
- 家族与版本
- PaddleOCR / 首版（0.9B）
- 输入与输出
- 图像 → 文本
- 公开参数规模
- 0.959B（以以下来源口径为准）
- 激活 / 有效参数
- 未提供 / 未提供
- 参数口径
- 官方称核心VLM组件为0.9B（PaddleOCR-VL-0.9B：NaViT式动态分辨率视觉编码器加ERNIE-4.5-0.3B语言模型）；Hugging Face仓库元数据（safetensors）标注该VLM检查点为958,588,736（约0.959B）。该数值不含整页解析流水线中的PP-DocLayoutV2版面检测等组件，完整流水线参数总量官方未给出。 参数来源
- 原生上下文
- 未提供
- 扩展上下文
- 未提供
- 语言声明
- 多语言（官方称109种，涵盖中文、英语、日语、韩语、拉丁语系、俄语（西里尔字母）、阿拉伯语、印地语（天城文）、泰语等）；语言支持不代表对应语言的评测水平。
- 权重许可
- Apache-2.0
- 代码许可
- Apache-2.0
- 训练资料
- 所查模型卡未提供训练数据清单；官方技术报告设有数据集章节（数据整理、自动标注与难例挖掘流程），但未给出语料许可明细与完整清单。
能力依据
模型变体：专用版；家族与版本：PaddleOCR / 首版（0.9B）
文字识别
OmniDocBench v1.5（整页文档解析） · 整页解析总分（Overall）92.56分（0–100）OmniDocBench v1.5 · 中英等多语言（官方未按语言细分）OmniDocBench v1.5（整页文档解析） · 文本编辑距离（Text-Edit）0.035OmniDocBench v1.5（文本分项） · 中英等多语言（官方未按语言细分）OmniDocBench v1.5（整页文档解析） · 公式识别CDM（Formula-CDM）91.43分（0–100）OmniDocBench v1.5（公式分项） · 中英等多语言（官方未按语言细分）查看评估与来源收起补充信息
文字识别
可作为中英等多语种整页文档解析候选：官方技术报告报告OmniDocBench v1.5整页总评92.56分、文本编辑距离0.035（同表最低）与公式CDM 91.43（同表最高）。成绩为0.9B VLM组件范围内的发布方自评，与含版面分析的完整流水线仍有配置差异，不能替代目标版面的实测。
- 结果对应PaddleOCR-VL-0.9B组件，未混用文本行识别型号或PP-OCRv5系列成绩。
- 官方提供整页解析总评与文本、公式等分项，可分别核对。
- 同一报告公开了数据整理与自动标注流程章节，便于评估方法背景。
- 成绩由模型发布方自评，未找到许可明确且确认为独立方的同型号同条件复测。
- 后续官方1.5报告对PaddleOCR-VL的重跑总分为92.86，与本条92.56存在报告间差异，说明不同报告快照的口径会有变化。
- 官方HF模型卡中的同名成绩表为图片且未给出数值，正文数值需以技术报告为准。
- 来源未披露推理参数与模型revision；109种语言覆盖没有逐语言公开成绩支撑。本站未实测。
OmniDocBench v1.5（整页文档解析） · 整页解析总分（Overall）
92.56 分（0–100）官方报告 · PaddleOCR团队（模型发布方自报）官方自测
展开评测条件与来源
- 模型标识 / 修订
- PaddlePaddle/PaddleOCR-VL / 未提供
- 思考模式
- 不适用
- 量化 / 运行时
- 未提供 / 未提供
- 数据集 / 划分
- OmniDocBench v1.5 / 未提供
- 基准 / 报告版本
- PaddleOCR-VL技术报告arXiv:2510.14528v1 Table 2
- Few-shot / 输出上限
- 未提供 / 未提供 tokens
- 提示模板 / 设置
- 未提供；官方技术报告整页解析总评（Table 2，OmniDocBench v1.5）；报告注明除自身数据外的对照结果由OmniDocBench官方榜单提供，本方数值为自评。来源未披露推理参数与模型revision；同表对照最高为MinerU2.5-1.2B（90.67）。本站未复现。
- 评测日期 / 核实日期
- 未提供 / 2026-10-17
- 评测身份
- 官方自测
- 来源标识 / 评测批次
- paddlepaddle / paddlepaddle-paddleocr-vl-report
- 来源
- https://arxiv.org/html/2510.14528v1
- 来源使用说明
- 引用来源；许可：未提供；仅记录官方技术报告中的少量型号成绩并链接论文；不复制论文表格或底层基准数据，引用不更改论文与基准数据许可。 查看说明
- 比较状态
- 不可比：该总分为官方自评的整页解析组合口径，来源未披露推理参数与模型revision等足以复现和对齐的条件；仅记录原报告数值，不加入跨型号比较组。
OmniDocBench v1.5（整页文档解析） · 文本编辑距离（Text-Edit）
0.035官方报告 · PaddleOCR团队（模型发布方自报）官方自测
展开评测条件与来源
- 模型标识 / 修订
- PaddlePaddle/PaddleOCR-VL / 未提供
- 思考模式
- 不适用
- 量化 / 运行时
- 未提供 / 未提供
- 数据集 / 划分
- OmniDocBench v1.5（文本分项） / 未提供
- 基准 / 报告版本
- PaddleOCR-VL技术报告arXiv:2510.14528v1 Table 2
- Few-shot / 输出上限
- 未提供 / 未提供 tokens
- 提示模板 / 设置
- 未提供；官方技术报告整页解析表格的文本编辑距离（越低越好），报告称其为同表最低值。来源未披露推理参数与模型revision；本站未复现。
- 评测日期 / 核实日期
- 未提供 / 2026-10-17
- 评测身份
- 官方自测
- 来源标识 / 评测批次
- paddlepaddle / paddlepaddle-paddleocr-vl-report
- 来源
- https://arxiv.org/html/2510.14528v1
- 来源使用说明
- 引用来源；许可：未提供；仅记录官方技术报告中的少量型号成绩并链接论文；不复制论文表格或底层基准数据，引用不更改论文与基准数据许可。 查看说明
- 比较状态
- 不可比：来源未披露推理参数、文本规范化与模型revision等足以复现和对齐的条件；该分项值仅记录原报告口径，不加入跨型号比较组。
OmniDocBench v1.5（整页文档解析） · 公式识别CDM（Formula-CDM）
91.43 分（0–100）官方报告 · PaddleOCR团队（模型发布方自报）官方自测
展开评测条件与来源
- 模型标识 / 修订
- PaddlePaddle/PaddleOCR-VL / 未提供
- 思考模式
- 不适用
- 量化 / 运行时
- 未提供 / 未提供
- 数据集 / 划分
- OmniDocBench v1.5（公式分项） / 未提供
- 基准 / 报告版本
- PaddleOCR-VL技术报告arXiv:2510.14528v1 Table 2
- Few-shot / 输出上限
- 未提供 / 未提供 tokens
- 提示模板 / 设置
- 未提供；官方技术报告整页解析表格的公式CDM得分，报告称其为同表最高值。来源未披露推理参数与模型revision；本站未复现。
- 评测日期 / 核实日期
- 未提供 / 2026-10-17
- 评测身份
- 官方自测
- 来源标识 / 评测批次
- paddlepaddle / paddlepaddle-paddleocr-vl-report
- 来源
- https://arxiv.org/html/2510.14528v1
- 来源使用说明
- 引用来源；许可：未提供；仅记录官方技术报告中的少量型号成绩并链接论文；不复制论文表格或底层基准数据，引用不更改论文与基准数据许可。 查看说明
- 比较状态
- 不可比：来源未披露推理参数与模型revision等足以复现和对齐的条件；该分项值仅记录原报告口径，不加入跨型号比较组。
运行条件与获取
PaddleOCR/PaddleX 文档解析流水线
系统支持未提供 · Paddle inference 与 Safetensors（随流水线下载） · 未指定量化
官方支持；本站尚未进行推理验证。
硬件：未核实。本站未实测；显存与速度取决于运行时、精度、页面分辨率与批量，官方未给出该型号的资源需求数值。
内存：未核实；显存：未核实。
依赖：paddlepaddle-gpu==3.2.1（官方示例按CUDA 12.6；CPU或其他CUDA版本见官方安装页）、paddleocr[doc-parser]>=3.4.0。
STEP 01 安装PaddlePaddle
官方模型卡Install Dependencies给出的安装命令（按CUDA 12.6示例）；其他CUDA版本与CPU版本需参考官方安装页。本站未执行。
python -m pip install paddlepaddle-gpu==3.2.1 -i https://www.paddlepaddle.org.cn/packages/stable/cu126/STEP 02 安装PaddleOCR文档解析组件
官方给出的paddleocr[doc-parser]安装命令。
python -m pip install -U "paddleocr[doc-parser]>=3.4.0"STEP 03 运行整页解析示例
官方CLI示例（含版面分析与VLM识别）；模型卡另提供PaddleOCRVL Python API与vLLM服务端用法。示例输入为官方演示图片。本站未执行，需在目标设备验证。
paddleocr doc_parser -i https://paddle-model-ecology.bj.bcebos.com/paddlex/imgs/demo_image/paddleocr_vl_demo.png --pipeline_version v1Transformers（元素级识别，AutoModelForCausalLM）
系统支持未提供 · Safetensors · 未指定量化
官方支持；本站尚未进行推理验证。
硬件：未核实。本站未实测；显存与速度取决于运行时、精度与输入分辨率，官方未给出该路线的资源需求数值。
内存：未核实；显存：未核实。
依赖：transformers、torch、pillow。
STEP 01 按官方示例加载VLM组件
官方模型卡给出transformers用法：AutoModelForCausalLM.from_pretrained(..., trust_remote_code=True, torch_dtype=torch.bfloat16)与AutoProcessor，支持ocr/table/chart/formula任务提示。官方注明该路线只支持元素级识别，整页解析建议使用流水线；卡片未给出独立安装命令。本站未执行。