Qu’est-ce que PaddleOCR-VL-1.6 ?
PaddleOCR-VL-1.6 est un modèle compact et ouvert d'analyse de documents de l'équipe PaddlePaddle de Baidu, sorti le 28 mai 2026 sous Apache 2.0, avec un rapport technique le 2 juin 2026. Il lit le texte, les tableaux, les formules, les graphiques et les sceaux à partir d'images de page en 109 langues, et est un remplacement direct de PaddleOCR-VL-1.5. Le modèle associe un encodeur visuel de style NaViT au modèle de langage ERNIE-4.5-0.3B de Baidu, environ 0,96 milliard de paramètres au total.
La mise à niveau cible les régions où la version précédente faisait des erreurs, avec des données d'entraînement supplémentaires pour ces zones et de l'apprentissage par renforcement après l'entraînement. L'équipe rapporte des gains sur les tableaux, les documents chinois anciens, les caractères rares, les sceaux et les graphiques. L'analyse de page entière passe par le pipeline PaddleOCR, qui ajoute un modèle d'analyse de mise en page distinct devant le VLM.
PaddleOCR-VL-1.6 vaut-il le coup ?
PaddleOCR-VL-1.6 offre la meilleure précision par paramètre de tout analyseur de documents ouvert, avec la réserve que les chiffres de précision sont ceux de ses créateurs. L'équipe rapporte 96,33 % sur OmniDocBench v1.6 et de nouveaux sommets sur v1.5 et son propre Real5-OmniDocBench, qui teste les scans, les pages gondolées, les photos d'écran, le mauvais éclairage et l'inclinaison. Un PaddleOCR-VL antérieur battait déjà DeepSeek-OCR 2 sur v1.5 dans le propre article de DeepSeek, 92,86 contre 91,09, ce qui apporte à la lignée un certain soutien extérieur.
La méthode de notation mérite un second regard. La fiche indique que les chiffres rivaux viennent du classement public OmniDocBench sauf pour Gemini 3 Pro, Qwen3-VL-235B et PaddleOCR-VL-1.6 lui-même, que l'équipe a exécutés de façon indépendante. Un acheteur qui compare des analyseurs devrait réexécuter un échantillon de ses propres documents plutôt que de se fier à un tableau assemblé de cette façon.
Le déploiement est là où se trouve le coût. Les résultats de page entière ont besoin de PaddlePaddle 3.2.1 ou ultérieur plus le pipeline PaddleOCR 3.6 ; la voie Transformers reconnaît des éléments uniques mais pas des pages entières. La documentation indique que vLLM a besoin d'une carte NVIDIA de capacité de calcul 8.0 ou supérieure (série RTX 30, A10, A100) et prévient que les cartes T4 et V100 sont sujettes aux dépassements de délai et aux erreurs de mémoire insuffisante, et les images Docker officielles, environ 8 GB, sont tirées d'un registre Baidu à Pékin, que certaines équipes de sécurité voudront d'abord mettre en miroir.
La taille reste l'argument le plus fort. À environ 0,96 milliard de paramètres, soit environ 1,9 GB en BF16, il fait un tiers de la taille des décodeurs de 3 milliards de paramètres de DeepSeek-OCR 2 et Unlimited-OCR, si bien qu'un seul GPU milieu de gamme peut servir de gros volumes de pages. Unlimited-OCR gère encore des documents de 40 pages en une seule passe, ce que le pipeline page par page de PaddleOCR-VL ne tente pas.
Là où il fait la différence
Un ingénieur données chez un assureur qui traite des formulaires de sinistre scannés
Transformer les formulaires photographiés et inclinés en tableaux structurés
Faire tourner le pipeline PaddleOCR avec le VLM derrière un serveur vLLM sur une carte A10 ou de classe RTX. Les poids sont gratuits ; le travail est de garder les versions de PaddlePaddle et vLLM alignées, et de tester sur vos propres formulaires puisque chaque score est celui de l'équipe.
Un ingénieur ML qui construit un index RAG sur des PDF de recherche
Extraire les formules et tableaux assez précisément pour les rechercher
L'analyse au niveau de la page produit les formules et tableaux sous forme de texte structuré pour le découpage. Chaque page est traitée séparément, si bien que les longs tableaux qui s'étendent sur plusieurs pages ont besoin d'être assemblés ensuite.
Une archive ou bibliothèque qui numérise des documents chinois historiques
Reconnaître les caractères rares et les sceaux dans les anciens manuscrits
La version 1.6 ajoute un entraînement ciblé pour les documents anciens, les caractères rares et les sceaux, et la licence Apache 2.0 permet l'affinage sur une collection privée sans frais.
Avant de vous engager
- Mise en route
- Installez paddlepaddle-gpu 3.2.1+ et paddleocr[doc-parser] 3.6+, ou faites tourner l'image Docker de Baidu (environ 8 GB ; version hors ligne de 10 GB) ; macOS a besoin de Docker.
- Intégrations
- CLI et API Python PaddleOCR, service VLM via vLLM, SGLang ou FastDeploy, Transformers 5 pour les tâches au niveau de l'élément, versions GGUF, et un service d'API auto-hébergé via Docker Compose.
- Données et confidentialité
- Auto-hébergé uniquement, si bien que les documents restent sur votre matériel. Apache 2.0 permet l'usage commercial et l'affinage sans plafond de revenus.
- Coût à grande échelle
- Les poids sont gratuits et font environ 1,9 GB en BF16, si bien qu'une seule carte de série RTX 30 ou A10 le sert ; aucun chiffre de pages par seconde de première partie ni prix hébergé n'est publié.
- Limites
- Traitement page par page ; la prise en charge de Transformers ne couvre que les éléments uniques ; vLLM sur T4 ou V100 est sujet aux dépassements de délai et aux erreurs de mémoire insuffisante ; les dossiers de PDF ne peuvent pas être passés en un seul appel.
Les points forts
- 96,33 % sur OmniDocBench v1.6, selon ses créateurs
- Environ 0,96B de paramètres, soit environ 1,9 GB en BF16
- Fort sur les tableaux, les formules, les sceaux et les photos du monde réel
- Apache 2.0, avec des versions GGUF officielles
Les points faibles
- Les scores mis en avant sont autodéclarés
- L'analyse de page entière a besoin de la pile PaddlePaddle
- Le service vLLM a besoin d'un GPU de capacité de calcul 8.0+
- Pas d'API hébergée de première partie ni de débit publié
Idéal pour
Les équipes qui extraient des tableaux, des formules et du texte de documents variés d'une seule page à grande échelle.
Alternatives à PaddleOCR-VL-1.6
PaddleOCR-VL-1.6 : questions fréquentes
- PaddleOCR-VL-1.6 vaut-il le coup ?
- Une analyse de documents en tête de tableau en moins d'un milliard de paramètres, tant que vous acceptez la chaîne d'outils de Baidu. Nous lui donnons 4.4 sur 5.
- Combien coûte PaddleOCR-VL-1.6 ?
- Gratuit sous Apache 2.0. Aucun prix hébergé de première partie publié.
- Quels sont les inconvénients de PaddleOCR-VL-1.6 ?
- Les scores mis en avant sont autodéclarés; l'analyse de page entière a besoin de la pile PaddlePaddle; le service vLLM a besoin d'un GPU de capacité de calcul 8.0+; pas d'API hébergée de première partie ni de débit publié.
- À qui s’adresse PaddleOCR-VL-1.6 ?
- Les équipes qui extraient des tableaux, des formules et du texte de documents variés d'une seule page à grande échelle.
- Combien coûte PaddleOCR-VL-1.6 pour une équipe ou en production ?
- Les poids sont gratuits et font environ 1,9 GB en BF16, si bien qu'une seule carte de série RTX 30 ou A10 le sert ; aucun chiffre de pages par seconde de première partie ni prix hébergé n'est publié.
- PaddleOCR-VL-1.6 est-il sûr pour les données de l’entreprise ?
- Auto-hébergé uniquement, si bien que les documents restent sur votre matériel. Apache 2.0 permet l'usage commercial et l'affinage sans plafond de revenus.
- Quelles sont les meilleures alternatives à PaddleOCR-VL-1.6 ?
- Les alternatives les plus proches que nous avons testées sont Unlimited-OCR 2 et DeepSeek-OCR 2.
Réponses vérifiées le 22 oct. 2026.