模型定位
HPD-Parsing 是面向高吞吐文档解析的轻量级视觉语言模型,参数规模约 10 亿。模型权重以 Apache-2.0 许可发布。(huggingface.co)
能力与用途
- 使用层级并行解码:主布局分支协调页面结构,动态生成并发的局部内容分支;渐进式多 token 预测(P-MTP)进一步减少解码步数,适合长文档和批量解析。(github.com)
- 官方报告在 OmniDocBench v1.6 上取得 94.91% 的综合得分,并在公开基准测试中达到 4,752 tokens/s 的峰值吞吐;实际表现取决于硬件、输入和部署配置。(huggingface.co)
- 支持通过定制版 vLLM 启动 OpenAI 兼容的自部署服务,也支持通过 vLLM Python API 在本地推理,可用于高吞吐文档解析和单机批量处理。兼容服务并不等同于已确认存在官方托管 API。(paddleocr.ai)
限制与部署要求
官方教程要求使用基于 vLLM 0.17.1 的定制运行时。预编译包方案要求 Linux x86-64、Python 3.10–3.13 和支持 CUDA 12.8 或以上版本的 NVIDIA 驱动;其他操作系统需使用能够运行 Linux NVIDIA GPU 容器的 Docker 环境。解析结果仍应针对实际文档进行校验,基准峰值不代表所有场景的性能保证。(paddleocr.ai)
发布日期
官方论文目录标注首次公开发布日期为 2026-07-21;PaddleOCR 项目首页将模型上线动态标注为 2026-07-22。(github.com)
价格
截至 2026-11-16,检索官方国内和国际资料,均未核实到专门适用于 HPD-Parsing 的托管服务价格,也未核实输入、输出各自的计费方式或单价。百度智能云列出的其他 PaddleOCR 产品价格不能直接视为本模型价格。自行部署需承担硬件及运行成本。(ai.baidu.com)