模型定位
PaddleOCR-VL-1.6 是百度飞桨推出的轻量级视觉语言文档解析模型,在 PaddleOCR-VL-1.5 基础上升级,参数规模为 0.9B。模型权重以 Apache-2.0 许可证发布,可自行部署。(github.com)
能力与用途
- 支持页面版面分析、阅读顺序推断,以及文本、表格、公式、图表、印章和场景文字识别;针对中文古籍和生僻字等场景有所增强。
- 百度称其覆盖 111 种语言;官方文档解析服务可输出 Markdown 和 JSON,适合合同、财报、论文、教材、图书档案等文档的结构化处理。
- 官方报告其在 OmniDocBench v1.6 上达到 96.33%;这是特定基准测试结果,不保证实际文档达到相同精度。模型架构与 1.5 兼容。(github.com)
限制与部署
识别结果可能出错,重要文档应人工核对。百度智能云的 PaddleOCR-VL 文档解析服务当前支持图片和 PDF;不同部署方式的格式及容量限制可能不同。自部署需自行准备计算资源;官方文档提示,Transformers 与 vLLM 或 SGLang 的依赖版本可能冲突,混合使用时需要分环境部署。(cloud.baidu.com)
价格
截至 2026-11-16 查询,百度智能云国内“文档解析(PaddleOCR-VL)”服务基于 1.6,按页而非输入或输出 token 分别计费:官方购买指南列示不限月调用量的按量后付费价格为 CNY 0.05/页,页面同时将 CNY 0.09/页标为划线原价;失败调用不计费。已实名认证用户的免费测试额度为个人 200 页、企业 1,000 页。活动及最终成交价格以官方订单页面为准。(bce-cdn.bj.bcebos.com)
国内官方还列示新人专享低至 CNY 9/千页的限时活动;资格和实际价格以活动页面为准。上述价格适用于百度智能云托管服务,不代表自部署成本。国际站美元输入/输出计费价格未核实。(bce-cdn.bj.bcebos.com)
发布日期与官方来源
- 发布日期:2026-05-28,随 PaddleOCR v3.6.0 发布。官方发布公告 (github.com)
- 百度产品升级公告;官方模型页。(ai.baidu.com)
- 百度智能云国内购买指南,查询日期:2026-11-16。(bce-cdn.bj.bcebos.com)