10 月 17 日消息，HuggingFace 官网显示，百度昨晚发布的自研多模态文档解析模型 PaddleOCR-VL，发布 20 小时内即登顶 HuggingFace Trending 全球第一。

据了解，该模型核心参数仅 0.9B，轻量高效，能以极低计算开销精准识别文本、手写汉字、表格、公式、图表等复杂元素，支持 109 种语言。在权威榜单 OmniBenchDoc V1.5 中，它以 92.6 分获综合性能全球第一，四大核心能力全线 SOTA，超越 GPT-4o 等模型，刷新 OCR VL 模型性能纪录。

作为文心 4.5 衍生模型，PaddleOCR-VL 融合了 NaViT 动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型，实现精度与效率双突破。