超越GPT-4o及Qwen2.5-VL，百度超轻量模型PP-OCRv5 Blog持续登顶Hugging Face热度第一

Gegu

近日，百度在海外官方账号介绍了最新轻量级文字识别模型 PP-OCRv5。该模型仅0.07B参数，以千分之一参数量实现与700亿参数大模型相媲美的OCR精度。在多项 OCR 场景测试中，PP-OCRv5 的表现超越GPT-4o、Qwen2.5-VL-72B等通用视觉大模型。最新信息显示，飞桨团队发布的技术Blog已连续一周登顶Hugging Face博客热度榜首，受到开发者社区的广泛关注。

; C( B0 {3 Z4 V<a href=\"#\" rel=\"nofollow\">

! ^( W2 i9 z* e. b* V9 e; b据了解，2025年5月，飞桨团队推出PaddleOCR 3.0版本，文字识别方案PP-OCRv5与通用文档解析方案PP-StructureV3，以及原生支持文心大模型4.5的智能文档理解方案PP-ChatOCRv4共同构成其三大特色能力。自2020年开源以来，PaddleOCR累计下载量突破900万，被超过5.9k开源项目直接或间接使用，是GitHub 社区中唯一一个 Star数超过50k的中国OCR项目。

  P# e. X9 F/ |( O; _& l. ?/ [% }: ~

; J- Q' J- O) K; |0 ?8 J<a href=\"#\" rel=\"nofollow\">

9月18日晚，Paddle OCR项目登上了GitHub全球总榜 trending榜， 位于python榜第5，总榜第13。

% p/ u, F' k! O& h
% m) g9 _; q" b# n. b

<a href=\"#\" rel=\"nofollow\">

! K6 L1 D# w8 |% b3 Z4 f/ j3 dBlog指出，在OCR场景中，通用视觉大模型（VLM）在精确文本定位和边框精度上仍面临挑战，同时容易带来高计算开销和“幻觉”输出。相较于VLM，PP-OCRv5采用了模块化双阶段检测与识别方案，能够实现轻量高效推理与更精准的文本边界框输出。


Benchmark数据显示，PP-OCRv5在 Printed Chinese、Printed English、Handwritten English 等核心任务上与百亿级大模型 Qwen2.5-VL-72B 精度持平甚至更优；在Handwritten Chinese、Chinese Pinyin等复杂场景中，仍稳居前列，表现出强泛化能力。
& Q( i& {' F% e0 d" z  _; G
) m6 `0 v. Z4 t0 p
6 f* c+ G# A9 X  J" W. R& E3 o

<a href=\"#\" rel=\"nofollow\">
9 y6 u; o6 A/ {* V7 j: j- J9 W. B) Q: V
6 Q. F) I. s5 A, p5 K0 O, q作为百度飞桨团队推出的全场景文字识别模型，PP-OCRv5是业界首个单模型支持5 种文字类型的超轻量级（<100M）开源模型，且支持复杂手写体识别，可广泛应用于教育行业的试卷作业批改、医疗行业的病历数字化、法律行业的合同笔录数字化等多场景业务需求。
  E6 i9 F0 _" @* ]
) S/ i- P# ^. F  x3 s7 P3 b『本文转载自网络,版权归原作者所有,如有侵权请联系删除』