在AI技术竞赛中，百度开源了新一代文档解析模型 PaddleOCR-VL-1.5。这个仅0.9B参数的轻量级模型，在权威评测中性能超越多个国际顶尖模型，首次实现了对异形文档的精准定位与还原，展现了国产AI在垂直领域的深厚积累和突破性进展。
智能速览
百度开源PaddleOCR-VL-1.5模型，以94.8%精度登顶全球评测。
该模型为0.9B轻量级，性能却超越Gemini 3 Pro等大模型。
全球首次实现“异形框定位”，可精准还原倾斜、弯折的文档结构。
模型核心采用文心4.5衍生模型，结合NaViT视觉编码器。
国产AI竞争进入白热化，文心、DeepSeek、千问三足鼎立格局形成。
精华内容
这款模型的突破并非偶然，而是百度在OCR领域深耕多年的结果。其两大核心技术亮点，不仅重新定义了文档解析的精度，也展示了轻量级模型的巨大潜力。
轻量模型登顶
PaddleOCR-VL-1.5 最引人注目的成绩是在权威评测集 OmniDocBench V1.5 上，以94.8%的综合精度夺得全球第一。
这一成绩超越了谷歌的 Gemini 3 Pro、阿里的 Qwen3-VL 以及近期热门的 DeepSeekOCR 等众多模型。
令人惊讶的是，实现这一SOTA（State-of-the-art）表现的模型规模仅为0.9B（9亿参数），证明了通过精巧的模型设计和高效的算法，轻量级模型同样能达到顶尖水平。
精准还原畸变
该模型解决了长期困扰OCR应用的一大痛点：图像畸变问题。它全球首次实现了“异形框定位”技术。
无论用户拍摄的文档是倾斜的、纸张弯折的，还是因拍摄角度产生的自然畸变，模型都能像人眼一样准确识别并定位其中的表格、公式等复杂结构。
对于需要处理发票、合同、老旧档案等场景的用户，这项技术能大幅提升信息提取的准确性和效率。
文心赋能核心
PaddleOCR-VL-1.5 的强大能力源于其先进的技术架构。其核心大脑采用了文心大模型4.5的衍生版本，确保了强大的语言理解和逻辑推理能力。
在视觉处理方面，则配备了高效的 NaViT 视觉编码器，负责对图像信息进行精准捕捉和解析。
这种“大语言模型+先进视觉编码器”的组合，体现了文心系列模型能力的全面性和强大的扩展性。
国产AI新格局
此次技术发布是国产AI模型密集创新的一个缩影。从文心5.0到DeepSeek，再到阿里的Qwen-Max，竞争已不再是单一模型的较量，而是系统级综合能力的全面比拼。
百度在OCR领域拥有超过1700项专利，此次开源 PaddleOCR-VL-1.5，无疑是对开发者和广大用户的巨大福利。
文心、DeepSeek、千问三足鼎立的格局已趋于稳定，共同推动着国产AI技术的飞速进步。
百度PaddleOCR-VL-1.5的开源，不仅是技术上的胜利，也为广大开发者和研究者提供了强大的工具。随着国产AI模型的持续迭代和生态的完善，未来在更多垂直领域看到类似的突破，值得期待。国产AI的未来，将走向何方？
关键评论
网友普遍对国产AI技术的快速迭代感到振奋和自豪。
有用户关注到百度在OCR领域的深厚积累，认为这是其主场优势。
不少用户对这项技术的实际应用场景表现出浓厚兴趣。
对于百度这样的技术实干派，社区给予了积极的支持。
