10月16日，PaddlePaddle团队正式发布了最新的视觉语言模型PaddleOCR-VL，一经推出就轰动全球OCR（光学字符识别）领域。该模型在权威评测OmniDocBench V1.5中以0.9B参数取得92.56分，超越包括DeepSeek-OCR在内的所有主流模型，成功登上全球OCR榜单第一。
截至10月21日，Huggingface全球模特趋势榜（Trending Models）前三名均被OCR模特占据：
- 🥇桨OCR-VL（桨桨）
- 🥈DeepSeek-OCR
- 🥉纳米网OCR
其中，来自百度的 PaddleOCR-VL 已连续 5 天位居榜首，成为目前最受关注的开源 OCR 模型。
PaddleOCR-VL支持109种语言识别，准确解析文本、表格、公式和图表，并具备文档语义结构重建能力。这意味着它不仅能“识别字符”，还能“理解”复杂的文档内容，在研究论文、发票识别、知识提取等领域展现出很高的实用价值。
值得注意的是，DeepSeek 团队还在他们的论文中特别认可了 PaddleOCR，并透露他们的部分训练数据是使用 PaddleOCR 进行注释的。这个细节揭示了当前 OCR 模型繁荣背后的真实逻辑：百度、DeepSeek、上海 AI Lab 等机构几乎同时开源了他们的 OCR 模型，目的不仅仅是为了在识别性能上竞争，而是为大模型训练提供数据清洗和标注的基础能力。
也就是说，这场“OCR军备竞赛”的核心，不仅仅是谁识别得更准确，而是谁能帮助AI更快地理解世界上的文字和图像。
