概要
PaddleOCR-VL-1.6は、PaddleOCR-VL-1.5を基に改良された、文書解析向けの軽量な視覚言語モデルです。約0.9Bパラメータで、モデルカードのライセンスはApache-2.0です。(github.com)
能力と用途
- 文書画像などからテキスト、数式、表、図表、印章を認識し、文書の構造化に利用できます。中国語の古文書や希少文字の認識も強化されています。最大111言語を対象としています。(ai.baidu.com)
- パイプラインを通じてMarkdownやJSONを出力でき、文書の検索・アーカイブ、情報抽出、RAG向けデータの準備などに利用できます。(huggingface.co)
- 公式発表によるOmniDocBench v1.6のスコアは96.33%です。1.5とモデル構造に互換性があり、移行しやすいとされています。(github.com)
制限・留意点
- 文書解析に特化したモデルです。ベンチマークのスコアは個々の文書での精度を保証するものではなく、重要な文字、表、数式は結果の確認が必要です。
- 自己ホストでは計算資源や運用が必要です。利用可能な機能や制限は、モデル単体、パイプライン、クラウドAPIで異なります。(github.com)
料金
- 中国本土・Baidu AI Cloudの文書解析API: 2026年11月16日の公式製品ページでは、従量後払いの表示単価はCNY 0.05/ページ、併記価格はCNY 0.09/ページです。ページ数単位の料金であり、入力・出力トークン別の料金ではありません。初回購入限定の1,000ページパックはCNY 9、1アカウント1点まで、有効期間1年と表示されています。適用条件や最新価格は購入時に確認してください。(cloud.baidu.com)
- 国際向け公式サイトについても調査しましたが、このモデルに対応する公式のUSD建て入出力料金は確認できませんでした。(paddleocr.com)
公開日と公式資料
- 公開日: 2026年5月28日。PaddleOCR v3.6.0のリリースで発表されました。(github.com)
- 公式リリース公告
- 公式モデルカード
- Baidu AI Cloud製品・料金ページ(料金確認日:2026年11月16日)
- PaddleOCR公式サイト(国際向け料金調査日:2026年11月16日)