百度发布 PP-OCRv6：轻量级 OCR 新标杆，3450 万参数模型精度超越 Qwen3-VL-235B 等千亿级 VLM，支持 50 种语言与工业场景识别，CPU 推理提速 5.2 倍

在光学字符识别（OCR）领域，百度PaddleOCR 团队正式推出了新一代旗舰模型 PP-OCRv6。该系列模型参数量仅在 150 万至 3450 万之间，却通过架构创新与数据优化，实现了检测准确率提升 4.9%、识别准确率提升 5.1% 的显著突破。更令人瞩目的是，其 Medium 版本在多项基准测试中，以极小的体量超越了 Qwen3-VL-235B、GPT-5.5 等千亿参数视觉语言大模型（VLM），重新定义了轻量级 OCR 的性能边界。

• GitHub：https://github.com/PaddlePaddle/PaddleOCR
• HuggingFace：https://huggingface.co/collections/PaddlePaddle/pp-ocrv6
• ModelScope：https://www.modelscope.cn/collections/PaddlePaddle/PP-OCRv6

核心亮点：小身材、大能量、全覆盖

1. 精度逆袭，超越巨型 VLM

• 极致效率比：PP-OCRv6_medium（34.5M 参数）在检测 Hmean 上达到 86.2%，识别准确率达到 83.2%，分别比前代 Server 版提升 4.6% 和 5.1%。
• 降维打击：在参数量低几个数量级的情况下，其专业 OCR 性能优于通用的千亿级 VLM，证明了专用模型在特定任务上的不可替代性。

2. 50 种语言，单一模型统一支持

• 多语种无缝切换：一个模型即可覆盖中文、英文、日文及 46 种拉丁语系语言，无需为不同语种加载不同权重，极大简化了部署流程。
• 全球通用：适用于跨国业务、多语言文档数字化及国际化应用开发。

3. 工业场景深度增强

• 攻克难点：针对传统 VLM 难以处理的数码显示屏、点阵字符、轮胎印字、PCB 板标识、CAD 图纸等复杂工业场景进行了专项优化。
• 高鲁棒性：在低对比度、不规则排列及特殊字体环境下，依然保持极高的识别稳定性。

4. 极速推理，全端部署

• CPU 加速：基于 OpenVINO 优化，Medium 档 CPU 推理速度提升 5.2 倍。
• 移动端友好：Tiny 档在 Apple M4 芯片上加速 6.1 倍，A100 GPU 上仅需 0.13 秒即可完成处理。
• 三档灵活选择：
  • Tiny (1.5M)：面向极致资源受限的边缘设备、浏览器插件。
  • Small (7.7M)：面向移动端 App、IoT 设备。
  • Medium (34.5M)：面向服务器、高性能边缘盒子。

技术架构创新

PP-OCRv6 围绕统一的 MetaFormer 风格构建，引入了多项轻量级架构创新：

1. LCNetV4 骨干网络：采用结构重参数化技术，在训练时保持多分支结构以提升表达能力，推理时合并为单路结构以降低延迟。
2. RepLKFPN 检测颈部：包含膨胀的可重参数化深度卷积，增强了对多尺度文本特征的融合能力。
3. EncoderWithLightSVTR 识别颈部：融合局部-全局注意力机制与加性跳跃连接，提升了长文本及复杂排版下的识别精度。

对于需要在边缘设备、移动端或低成本服务器上实现高质量文字识别的团队而言，PP-OCRv6 无疑是当前的最佳选择。