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。
! K* H+ R, x4 K! X, `

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

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。
8 D& l! {- \1 J) h

<a href=\"#\" rel=\"nofollow\">
* p' x: k' N, n/ o
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。
+ J' o3 f5 Q7 K  ?' ], _9 t5 y
- `, s# A- \" Q3 M

9 Q4 T! i# K$ E' X<a href=\"#\" rel=\"nofollow\">
8 J9 w" V8 v7 Q! N0 u
1 W" Y+ i- V2 ^5 ?Blog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。

) {$ Y* _$ @/ g1 w7 n1 K
* M/ I/ X. [" |7 }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。

6 k: T! z6 `! g2 m: t( {. i) {6 i

: ?1 ~6 A3 ?, r1 y0 u<a href=\"#\" rel=\"nofollow\">

4 u5 p; b7 c! g2 H2 t7 y" t8 l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。
: O; M5 C) J& ~; r
- h) U" N1 c* G. G( M『本文转载自网络,版权归原作者所有,如有侵权请联系删除』