10月17日消息，HuggingFace官網顯示，百度昨晚發布的自研多模態文檔解析模型PaddleOCR-VL，發布20小時內即登頂HuggingFace Trending全球第一。
據了解，該模型核心參數僅0.9B，輕量高效，能以極低計算開銷精準識別文本、手寫漢字、表格、公式、圖表等復雜元素，支持109種語言。在權威榜單OmniBenchDoc V1.5中，它以92.6分獲綜合性能全球第一，四大核心能力全線SOTA，超越GPT-4o等模型，刷新OCR VL模型性能紀錄。
作為文心4.5衍生模型，PaddleOCR-VL融合了NaViT動態分辨率視覺編碼器與ERNIE-4.5-0.3B語言模型，實現精度與效率雙突破。
