如果你最近在关注开源文档解析，很难绕开这个数字：PaddleOCR-VL-1.6，一个只有0.9B参数的模型，在OmniDocBench v1.6上拿到96.33%，力压MinerU 2.5-Pro的95.69%，GPT-4o、Gemini 3 Pro这些闭源大模型也排在它后面。哔哩哔哩同样是在OmniDocBench这个权威榜单上，这个0.9B的视觉语言模型从v1的92.86一路刷到v1.6的96.33，把MinerU2.5-Pro、dots.ocr、GLM-OCR等对手相继甩在身后。知乎这个数字对搭RAG知识库、做文档数字化的同学意味着什么，不用多说：表格、公式、印章、古籍、生僻字都能解析，还直接输出Markdown。但把各家的跑分、实测差异和部署硬件成本整理完一圈，我的建议是：先别急着拉仓库，这东西很强，但不是万能的，也不是所有场景都适合。
一个家族三条产品线，先把名字对清楚
大家口中的PaddleOCR，如今至少有两条产品线加一套工具链并存。一条是经典的检测+识别管线PP-OCR系列，最新的是今年6月发布的PP-OCRv6，分Tiny/Small/Medium三档，Tiny版只有1.5M参数，实测Tiny模型在本地M4浏览器环境下单图端到端延迟能做到97ms。哔哩哔哩换句话说，普通笔记本的CPU也能流畅跑OCR。
另一条是视觉语言模型路线的PaddleOCR-VL系列，就是开头登顶榜单的那个0.9B小模型，支持109种语言，对古籍、生僻字、印章、公式、表格这类复杂内容的识别做了专门强化。再就是PaddleX 3.x工具链和各种整合部署包。另外提个醒：不少老教程推荐的RapidOCR，从1.3.26版本起默认参数就已经和官方PaddleOCR不一致，PP-OCRv5推出之后两者连默认模型都不相同了。知乎照着教程部署的话，记得先核对版本号。这个家族目前是开源OCR里生态最大的：GitHub仓库70k+ Star，6月刚发布的Unlimited-OCR也5天破了万Star。知乎
跑分高，不等于实测完美
但别只看跑分就做决定。96.33%是整个基准的平均分，真实业务里你要对付的是一份份具体文档。B站UP主AGI_Ananas用5个有代表性的复杂PDF做了横向测试：数学公式、双栏杂志、竖版手写古诗、检验表格、增值税发票，所有对错都对照原文逐字核准。哔哩哔哩结论是benchmark只是参考，实测才是真相：手写漏行、印章读字、生僻字识别这些细节上，差距就摆在那里。这几个短板恰好踩在RAG知识库的痛点上：扫描版PDF上传知识库后系统不报错，切分数量却是0，换个解析器能提取文字了，双栏论文又被拼成"左一行、右一行"，表格变成毫无关系的数字。知乎搭过知识库的人都懂这种痛。所以我的判断是：文档以规整电子PDF和清晰扫描件为主的话，VL-1.6基本可以开箱即用；手写、印章、生僻字场景多的话，先拿自己的样本跑一轮实测，别让跑分替你做决定。
本地部署之前，先看硬件
接下来是硬件，这是最容易踩坑的地方。VL路线本地跑需要GPU，社区整合包工具的作者直接提醒：由于模型比较大，建议配置高一点的电脑，显存>=8GB，显卡最好是RTX30及其以上。哔哩哔哩显存低于这条线的，别硬上VL版。不想置办显卡的话有两条替代路线：一是走PP-OCRv6轻量路线，CPU就够用，速度比VL路线快得多，代价是复杂版面解析的上限也低一些；二是先用ModelScope模型库或百度AI Studio的在线试用，拿自己的文档验证过效果，再决定要不要本地部署。效率方面还有两个值得盯的动向。一个是百度7月放出的HPD-Parsing，层级并行文档解析，把1B级模型的解码步数最高压缩18倍，文档解析效率提升3倍。知乎另一个是6月开源的Unlimited-OCR，在文档解析主流基准OmniDocBench v1.5上，UnlimitedOCR以93.23%的总分拿下端到端SOTA，比DeepSeekOCR整整高出6个百分点。36氪在官方放出的九类文档细分对比里，它对DeepSeek-OCR 2也是多数项目领先。
这个赛道迭代非常快，今天的最优解，过两个月就可能被改写。
选型速查清单
最后给一份选型速查，对号入座：
搭RAG知识库，文档版面复杂（表格、公式、双栏论文），且有8GB以上显存的显卡：优先PaddleOCR-VL-1.6，备选MinerU 2.5-Pro（1.2B参数，OmniDocBench v1.6成绩95.69），两个都拿你自己的文档样本跑一遍再定。
以规整扫描件、票据、证件为主，只有CPU或边缘设备：选PP-OCRv6系列，按速度需求挑档位。
只想快速验证文档解析效果：先在线试用，别碰部署。
已经在项目里用RapidOCR：升级版本时，记得用新默认参数重跑自己的测试集。
轻量路线也不是将就之选：在PP-OCRv6官方文档的识别效果对比图里，PP-OCRv6-medium和GPT-5.5、Qwen3-VL等通用多模态大模型在多组识别样本上正面对比，普通文档数字化场景真没必要一上来就冲大参数。
最后一句：文档解析这个领域，跑分榜只能帮你排除选项，不能替你做选择。把你最常处理的10份文档拿出来，让候选工具各跑一遍，比看100张跑分表都管用。
