百度 0.9B 輕量模型 PaddleOCR-VL-1.6 聲稱壓倒 Gemini-3-Pro 與 GPT-5.2，開源可平滑遷移

百度文心正式發布 PaddleOCR-VL-1.6，這個僅 0.9B 參數的輕量專用模型，在文檔解析評測 OmniDocBench v1.6 上達到 96.33%。廠商公告稱其綜合性能超越 Gemini-3-Pro、GPT-5.2、MinerU-2.5-Pro、GLM-OCR 等通用大模型與專用 OCR 方案，刷新該評測榜單 SOTA。

PaddleOCR-VL-1.6 基於文心大模型訓練，支援超 100 種語言，覆蓋 170 多國用戶。在面向真實複雜場景的 Real5-OmniDocBench 評測中，總指標達 93.19%，廠商稱較 Gemini-3-Pro 高出近 4 個百分點，涵蓋掃描件、彎折文件、螢幕拍照、光照變化、傾斜文件五類場景。此次升級在 PaddleOCR-VL-1.5 基礎上保持相同模型結構，現有用戶可直接平滑遷移，無需額外適配。程式碼與權重已開源至 GitHub（累計 79.2K Stars，已超越 Google 開源 OCR 項目 Tesseract OCR）與 Hugging Face。

以上數字均出自廠商發布材料，尚待獨立第三方驗證。對做文件數位化與 RAG 前處理的工程師而言，核心訊號在此：OCR 與版面解析是典型垂直任務，0.9B 的專用小模型在廠商跑分上仍可壓倒通用大模型；更關鍵的是，這個規模可在端側或低成本環境直接部署，推理延遲與 API 費用遠低於調用 Gemini 或 GPT 系列。若你的 pipeline 目前仰賴通用模型做文件解析，此方案值得納入 benchmark。