百度悄然发布的PaddleOCR-VL-1.5模型以不到10亿参数的体量，在OCR地狱副本OmniDocBench V1.5榜单上取得94.5%准确率，超越DeepSeek-OCR2达3.41个百分点。这个能本地部署的小模型，正在重新定义AI文档理解的边界。
智能速览
百度PaddleOCR-VL-1.5以0.9B参数登顶OCR全球榜单
轻量几何理解层让AI学会’看懂皱纸的物理结构’
开源Apache 2.0协议，本地部署成本大幅降低
OCR-RAG成为AI应用落地的关键基础设施
精华内容
这场OCR技术革命的背后，是从像素识别到物理结构理解的范式转变，小模型正在撬动AI落地的最后一公里。
技术突破
PaddleOCR-VL-1.5的核心创新在于建立了轻量几何理解层，不再是简单的框字识别，而是能够估算文档的卷边、反光、折叠压痕等物理变形，并将这些变形’熨平’。这种方法让文档阅读顺序预测错误率直接砍掉一半，能够按人类阅读节奏自动拆解财报附注表格、法院传票手写批注等复杂场景。
性能碾压
在权威的OmniDocBench V1.5测试中，PaddleOCR-VL-1.5获得94.5%准确率，而同期DeepSeek-OCR2仅为91.09%。3.41个百分点的差距在OCR领域属于压倒性优势。更值得注意的是，这是用0.9B参数实现的，MacBook M2即可流畅运行，学生党二手笔记本加2060显卡就能本地部署。
实战表现
实测中，对一张被胶带粘贴、强光反光、指甲划痕的快递单，模型输出的结构化JSON完美分离了收件人、电话、运单号、签收状态等信息，甚至能区分’已签收（本人）'和’代收人：张姐’的细微差别。财税SaaS企业接入后，发票识别响应速度从4秒降至0.8秒，准确率提升11个百分点。
开源生态
百度采用Apache 2.0协议开源，连训练代码和标注规范一并公开，无需云API排队或月费。这种开放策略加速了技术落地，开发者可以直接根据自身场景定制优化。百度在OCR领域积累的1700多件专利为此提供了坚实的技术储备。
当大模型还在参数竞赛中狂奔，百度用0.9B小模型证明了AI落地的真谛：不是算力的堆砌，而是对真实物理世界的深度理解。这种’低头看纸’的能力，或许才是AI真正走向实用的关键一步。
