¿Qué es PaddleOCR-VL-1.6?
PaddleOCR-VL-1.6 es un modelo abierto y compacto de análisis de documentos del equipo PaddlePaddle de Baidu, lanzado el 28 de mayo de 2026 bajo Apache 2.0, con un informe técnico del 2 de junio de 2026. Lee texto, tablas, fórmulas, gráficos y sellos en imágenes de páginas en 109 idiomas, y sustituye directamente a PaddleOCR-VL-1.5. El modelo combina un codificador visual de estilo NaViT con el modelo de lenguaje ERNIE-4.5-0.3B de Baidu, unos 960 millones de parámetros en total.
La actualización se centra en las zonas donde la versión anterior cometía errores, con datos de entrenamiento adicionales para esas áreas y aprendizaje por refuerzo tras el entrenamiento. El equipo indica mejoras en tablas, documentos chinos antiguos, caracteres poco frecuentes, sellos y gráficos. El análisis de páginas completas pasa por la cadena de PaddleOCR, que añade un modelo de análisis de maquetación independiente delante del VLM.
¿Merece la pena PaddleOCR-VL-1.6?
PaddleOCR-VL-1.6 ofrece la mejor precisión por parámetro de cualquier analizador de documentos abierto, con la salvedad de que las cifras de precisión son de sus creadores. El equipo indica un 96,33 % en OmniDocBench v1.6 y nuevos máximos en v1.5 y en su propio Real5-OmniDocBench, que pone a prueba escaneos, páginas deformadas, fotos de pantallas, mala iluminación e inclinación. Un PaddleOCR-VL anterior ya superó a DeepSeek-OCR 2 en v1.5 en el propio artículo de DeepSeek, por 92,86 a 91,09, lo que da a la familia cierto respaldo externo.
El método de puntuación merece una segunda mirada. La ficha dice que las cifras de los rivales proceden de la clasificación pública de OmniDocBench, salvo las de Gemini 3 Pro, Qwen3-VL-235B y el propio PaddleOCR-VL-1.6, que el equipo ejecutó por su cuenta. Quien compare analizadores debería repetir la prueba con una muestra de sus propios documentos en lugar de fiarse de una tabla montada así.
El coste está en el despliegue. Los resultados de página completa necesitan PaddlePaddle 3.2.1 o posterior más la cadena de PaddleOCR 3.6; la vía de Transformers reconoce elementos sueltos, pero no páginas completas. La documentación dice que vLLM necesita una tarjeta NVIDIA con capacidad de cómputo 8.0 o superior (serie RTX 30, A10, A100) y advierte de que las tarjetas T4 y V100 tienden a sufrir tiempos de espera agotados y errores de falta de memoria, y las imágenes oficiales de Docker, de unos 8 GB, se descargan de un registro de Baidu en Pekín, que algunos equipos de seguridad querrán replicar antes.
El tamaño sigue siendo el argumento más fuerte. Con unos 0,96B de parámetros, aproximadamente 1,9 GB en BF16, tiene un tercio del tamaño de los decodificadores de 3.000 millones de parámetros de DeepSeek-OCR 2 y Unlimited-OCR, así que una sola GPU de gama media puede atender grandes volúmenes de páginas. Unlimited-OCR sigue procesando documentos de 40 páginas en una sola pasada, algo que la cadena página a página de PaddleOCR-VL no intenta.
Dónde se gana su sitio
Un ingeniero de datos en una aseguradora que procesa formularios de siniestros escaneados
Convertir formularios fotografiados e inclinados en tablas estructuradas
Ejecuta la cadena de PaddleOCR con el VLM detrás de un servidor vLLM en una tarjeta A10 o de clase RTX. Los pesos son gratis; el trabajo está en mantener alineadas las versiones de PaddlePaddle y vLLM, y en probar con tus propios formularios, ya que todas las puntuaciones son del equipo.
Un ingeniero de ML que crea un índice RAG sobre PDF de investigación
Extraer fórmulas y tablas con la precisión suficiente para poder buscar en ellas
El análisis por página genera fórmulas y tablas como texto estructurado listo para fragmentar. Cada página se procesa por separado, así que las tablas largas que ocupan varias páginas hay que unirlas después.
Un archivo o una biblioteca que digitaliza documentos chinos históricos
Reconocer caracteres poco frecuentes y sellos en manuscritos antiguos
La versión 1.6 añade entrenamiento específico para documentos antiguos, caracteres poco frecuentes y sellos, y la licencia Apache 2.0 permite el ajuste fino con una colección privada sin pagar nada.
Antes de decidirte
- Puesta en marcha
- Instala paddlepaddle-gpu 3.2.1+ y paddleocr[doc-parser] 3.6+, o ejecuta la imagen Docker de Baidu (unos 8 GB; 10 GB la versión sin conexión); en macOS hace falta Docker.
- Integraciones
- CLI y API de Python de PaddleOCR, servicio del VLM mediante vLLM, SGLang o FastDeploy, Transformers 5 para tareas por elemento, versiones GGUF y un servicio de API autoalojado mediante Docker Compose.
- Datos y privacidad
- Solo autoalojado, así que los documentos se quedan en tu hardware. Apache 2.0 permite el uso comercial y el ajuste fino sin límite de ingresos.
- Coste a escala
- Los pesos son gratis y ocupan unos 1,9 GB en BF16, así que basta una tarjeta de la serie RTX 30 o una A10 para servirlo; no se ha publicado una cifra propia de páginas por segundo ni un precio alojado.
- Límites
- Procesamiento página a página; la compatibilidad con Transformers solo cubre elementos sueltos; vLLM en T4 o V100 tiende a sufrir tiempos de espera agotados y errores de falta de memoria; no se pueden pasar directorios de PDF en una sola llamada.
Lo bueno
- 96,33 % en OmniDocBench v1.6, según sus creadores
- Unos 0,96B parámetros, aproximadamente 1,9 GB en BF16
- Sólido en tablas, fórmulas, sellos y fotos del mundo real
- Apache 2.0, con versiones GGUF oficiales
Lo malo
- Las puntuaciones principales son autodeclaradas
- El análisis de páginas completas necesita el entorno PaddlePaddle
- Servirlo con vLLM requiere una GPU con capacidad de cómputo 8.0+
- Sin API alojada propia ni rendimiento publicado
Ideal para
Equipos que extraen tablas, fórmulas y texto de documentos variados de una sola página a gran escala.
Alternativas a PaddleOCR-VL-1.6
PaddleOCR-VL-1.6: preguntas frecuentes
- ¿Merece la pena PaddleOCR-VL-1.6?
- Análisis de documentos de primera fila con menos de mil millones de parámetros, siempre que aceptes las herramientas de Baidu. Le damos un 4.4 sobre 5.
- ¿Cuánto cuesta PaddleOCR-VL-1.6?
- Gratis bajo Apache 2.0. No hay precio alojado propio publicado.
- ¿Qué inconvenientes tiene PaddleOCR-VL-1.6?
- Las puntuaciones principales son autodeclaradas; el análisis de páginas completas necesita el entorno PaddlePaddle; servirlo con vLLM requiere una GPU con capacidad de cómputo 8.0+; sin API alojada propia ni rendimiento publicado.
- ¿Para quién es PaddleOCR-VL-1.6?
- Equipos que extraen tablas, fórmulas y texto de documentos variados de una sola página a gran escala.
- ¿Cuánto cuesta PaddleOCR-VL-1.6 para un equipo o en producción?
- Los pesos son gratis y ocupan unos 1,9 GB en BF16, así que basta una tarjeta de la serie RTX 30 o una A10 para servirlo; no se ha publicado una cifra propia de páginas por segundo ni un precio alojado.
- ¿Es PaddleOCR-VL-1.6 seguro para los datos de la empresa?
- Solo autoalojado, así que los documentos se quedan en tu hardware. Apache 2.0 permite el uso comercial y el ajuste fino sin límite de ingresos.
- ¿Cuáles son las mejores alternativas a PaddleOCR-VL-1.6?
- Las alternativas más cercanas que hemos analizado son Unlimited-OCR 2 y DeepSeek-OCR 2.
Respuestas comprobadas el 22 oct 2026.