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。
+ T$ {) M/ C: G. u1 A6 u
3 G5 d3 y% E8 V  L! R; Q

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

" B3 n% ]3 F6 V" v8 i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。
" n% \( B3 x1 ^2 f
  |4 V7 e0 R5 ]/ h/ A

$ l3 J  }% S2 p7 Z<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。

<a href=\"#\" rel=\"nofollow\">
* E0 E0 w% V! I5 I) s6 `
5 r& `% k8 J: T0 Y" GBlog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。

8 L6 k8 m. H5 J& L7 e0 _* W3 ^
5 @  w5 s$ ~6 \( ^! @6 C* vBenchmark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; |2 I! _+ S% R& V9 A
/ T! S3 [  {# v, k+ h. M3 e& q" s
: ]5 `3 N( b8 h+ o6 N

<a href=\"#\" rel=\"nofollow\">
2 b' _. D5 o/ C& ]$ F
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。
6 ?1 E% U4 w% n) h2 x
9 H$ {! [& x  ~8 L- v$ i6 L+ h『本文转载自网络,版权归原作者所有,如有侵权请联系删除』