O que é PaddleOCR-VL-1.6?
O PaddleOCR-VL-1.6 é um modelo aberto e compacto de análise de documentos da equipe PaddlePaddle da Baidu, lançado em 28 de maio de 2026 sob Apache 2.0, com um relatório técnico em 2 de junho de 2026. Ele lê texto, tabelas, fórmulas, gráficos e carimbos em imagens de páginas em 109 idiomas e substitui diretamente o PaddleOCR-VL-1.5. O modelo combina um codificador visual no estilo NaViT com o modelo de linguagem ERNIE-4.5-0.3B da Baidu, cerca de 0,96 bilhão de parâmetros no total.
A atualização mira as regiões em que a versão anterior errava, com dados de treino extras para essas áreas e aprendizado por reforço depois do treino. A equipe informa ganhos em tabelas, documentos chineses antigos, caracteres raros, carimbos e gráficos. A análise de páginas inteiras passa pelo pipeline do PaddleOCR, que coloca um modelo separado de análise de layout antes do VLM.
PaddleOCR-VL-1.6 vale a pena?
O PaddleOCR-VL-1.6 oferece a melhor precisão por parâmetro entre os analisadores de documentos abertos, com a ressalva de que os números de precisão são dos seus criadores. A equipe informa 96,33% no OmniDocBench v1.6 e novos recordes no v1.5 e no seu próprio Real5-OmniDocBench, que testa digitalizações, páginas deformadas, fotos de tela, iluminação ruim e inclinação. Um PaddleOCR-VL anterior já tinha superado o DeepSeek-OCR 2 no v1.5 no próprio artigo da DeepSeek, por 92,86 a 91,09, o que dá à linhagem algum apoio externo.
O método de pontuação merece um segundo olhar. O card diz que os números dos rivais vêm do ranking público do OmniDocBench, exceto os do Gemini 3 Pro, do Qwen3-VL-235B e do próprio PaddleOCR-VL-1.6, que a equipe rodou por conta própria. Um comprador que compara analisadores deve rodar de novo uma amostra dos próprios documentos em vez de confiar em uma tabela montada desse jeito.
A implantação é onde está o custo. Os resultados de página inteira exigem PaddlePaddle 3.2.1 ou posterior mais o pipeline do PaddleOCR 3.6; o caminho via Transformers reconhece elementos isolados, mas não páginas inteiras. A documentação diz que o vLLM precisa de uma placa NVIDIA com compute capability 8.0 ou superior (série RTX 30, A10, A100) e avisa que placas T4 e V100 tendem a ter timeouts e erros de falta de memória, e as imagens Docker oficiais, com cerca de 8 GB, são baixadas de um registro da Baidu em Pequim, que algumas equipes de segurança vão querer espelhar antes.
O tamanho continua sendo o argumento mais forte. Com cerca de 0,96 bilhão de parâmetros, aproximadamente 1,9 GB em BF16, ele tem um terço do tamanho dos decodificadores de 3 bilhões de parâmetros do DeepSeek-OCR 2 e do Unlimited-OCR, então uma GPU intermediária consegue servir grandes volumes de páginas. O Unlimited-OCR ainda processa documentos de 40 páginas de uma só vez, algo que o pipeline página por página do PaddleOCR-VL não tenta.
Onde ele se destaca
Um engenheiro de dados em uma seguradora que processa formulários de sinistro digitalizados
Transformar formulários fotografados e tortos em tabelas estruturadas
Rode o pipeline do PaddleOCR com o VLM atrás de um servidor vLLM em uma placa A10 ou da linha RTX. Os pesos são gratuitos; o trabalho é manter alinhadas as versões do PaddlePaddle e do vLLM, e testar nos seus próprios formulários, já que todas as pontuações são da equipe.
Um engenheiro de ML que monta um índice RAG sobre PDFs de pesquisa
Extrair fórmulas e tabelas com precisão suficiente para buscá-las
A análise por página gera fórmulas e tabelas como texto estruturado para o chunking. Cada página é processada separadamente, então tabelas longas que atravessam páginas precisam ser emendadas depois.
Um arquivo ou biblioteca que digitaliza documentos chineses históricos
Reconhecer caracteres raros e carimbos em manuscritos antigos
A versão 1.6 acrescenta treino direcionado para documentos antigos, caracteres raros e carimbos, e a licença Apache 2.0 permite fine-tuning em um acervo privado sem tarifas.
Antes de decidir
- Configuração
- Instale paddlepaddle-gpu 3.2.1+ e paddleocr[doc-parser] 3.6+, ou rode a imagem Docker da Baidu (cerca de 8 GB; build offline de 10 GB); no macOS é preciso Docker.
- Integrações
- CLI e API em Python do PaddleOCR, serving do VLM via vLLM, SGLang ou FastDeploy, Transformers 5 para tarefas por elemento, builds GGUF e um serviço de API hospedado por conta própria via Docker Compose.
- Dados e privacidade
- Só self-hosting, então os documentos ficam no seu hardware. A Apache 2.0 permite uso comercial e fine-tuning sem teto de receita.
- Custo em escala
- Os pesos são gratuitos e têm cerca de 1,9 GB em BF16, então uma única placa da série RTX 30 ou uma A10 o serve; nenhum número próprio de páginas por segundo nem preço hospedado é publicado.
- Limites
- Processamento página por página; o suporte no Transformers cobre só elementos isolados; o vLLM em T4 ou V100 tende a ter timeouts e erros de falta de memória; não é possível passar diretórios de PDFs em uma única chamada.
O que é bom
- 96,33% no OmniDocBench v1.6, segundo os seus criadores
- Cerca de 0,96B parâmetros, aproximadamente 1,9 GB em BF16
- Forte em tabelas, fórmulas, carimbos e fotos do mundo real
- Apache 2.0, com builds GGUF oficiais
O que não é
- As pontuações de destaque são autodeclaradas
- A análise de páginas inteiras exige o stack do PaddlePaddle
- Servir com vLLM exige uma GPU com compute capability 8.0+
- Sem API hospedada própria nem throughput publicado
Ideal para
Equipes que extraem em escala tabelas, fórmulas e texto de documentos variados de uma página.
Alternativas ao PaddleOCR-VL-1.6
PaddleOCR-VL-1.6: perguntas frequentes
- PaddleOCR-VL-1.6 vale a pena?
- Análise de documentos no topo da tabela com menos de um bilhão de parâmetros, desde que você aceite o conjunto de ferramentas da Baidu. Damos nota 4.4 de 5.
- Quanto custa PaddleOCR-VL-1.6?
- Gratuito sob Apache 2.0. Nenhum preço hospedado próprio publicado.
- Quais são as desvantagens de PaddleOCR-VL-1.6?
- As pontuações de destaque são autodeclaradas; a análise de páginas inteiras exige o stack do PaddlePaddle; servir com vLLM exige uma GPU com compute capability 8.0+; sem API hospedada própria nem throughput publicado.
- Para quem PaddleOCR-VL-1.6 é indicado?
- Equipes que extraem em escala tabelas, fórmulas e texto de documentos variados de uma página.
- Quanto custa PaddleOCR-VL-1.6 para uma equipe ou em produção?
- Os pesos são gratuitos e têm cerca de 1,9 GB em BF16, então uma única placa da série RTX 30 ou uma A10 o serve; nenhum número próprio de páginas por segundo nem preço hospedado é publicado.
- PaddleOCR-VL-1.6 é seguro para dados da empresa?
- Só self-hosting, então os documentos ficam no seu hardware. A Apache 2.0 permite uso comercial e fine-tuning sem teto de receita.
- Quais são as melhores alternativas ao PaddleOCR-VL-1.6?
- As alternativas mais próximas que analisamos são Unlimited-OCR 2 e DeepSeek-OCR 2.
Respostas verificadas em 22 de out. de 2026.