PaddleOCR-VL-1.6: новый рекорд среди OCR-моделей с точностью 96,33%

~ 2 мин

Введение

Команда PaddlePaddle выпустила PaddleOCR-VL-1.6 — компактную OCR-нейросеть с поддержкой русского языка, которая продолжает линейку PaddleOCR-VL 1.5 и делает значительный шаг вперёд по качеству распознавания текстов. Разработчики сосредоточились на устранении слабых мест предшественницы: в новую версию интегрирован механизм региональной оптимизации обучающих данных, позволяющий точечно прорабатывать те категории контента, где модель раньше допускала наибольшее количество ошибок. Параллельно применяется прогрессивное пост-обучение на тщательно отфильтрованных примерах с элементами обучения с подкреплением. Итог — три новых абсолютных рекорда на ведущих бенчмарках и полная архитектурная совместимость с предыдущей версией.

Как устроена PaddleOCR-VL-1.6

Ключевая технологическая новинка релиза — система регионально-осведомлённой оптимизации данных (Region-Aware Data Optimization). Она автоматически анализирует, в каких типах контента — таблицах, редких символах, математических формулах, рукописных фрагментах — предыдущая версия модели систематически ошибалась, и целенаправленно расширяет обучающую выборку именно в этих проблемных областях. Такой подход позволяет получить максимальный прирост точности при минимальном увеличении объёма обучающих данных в целом.

Помимо этого, применяется прогрессивная схема пост-обучения: после базового дообучения (fine-tuning) модель проходит несколько последовательных этапов на всё более сложных и избирательно отобранных примерах. Финальный этап задействует обучение с подкреплением (RL), которое дополнительно повышает стабильность и воспроизводимость ключевых метрик в условиях реальных данных.

Результаты на бенчмарках

На главном бенчмарке OmniDocBench модель PaddleOCR-VL-1.6 достигла точности 96,33% — это новый абсолютный рекорд среди всех известных открытых и проприетарных OCR-решений. Одновременно обновлены рекорды на:

  • OmniDocBench v1.5 — улучшенная версия стандартного набора тестов;
  • Real5-OmniDocBench — набор реальных документов повышенной сложности.

Особенно заметный прирост по сравнению с PaddleOCR-VL-1.5 зафиксирован в следующих категориях:

  • Таблицы — сложная структурированная разметка, включая объединённые ячейки и многоуровневые заголовки;
  • Исторические документы — старопечатные шрифты, устаревшие символы, потёртые оригиналы;
  • Редкие иероглифы — специализированная лексика восточноазиатских языков;
  • Рукописный текст — произвольный почерк, нестандартные начертания;
  • Печати и штампы — извлечение текста из круговых и прямоугольных печатей;
  • Диаграммы и схемы — распознавание подписей и легенд внутри графических элементов.

Итоговая точность 96,33% означает: по сравнению с предыдущим результатом 95,52% реальное число ошибок сократилось примерно на 18%, что на практике является весьма существенным скачком качества.

Совместимость и развёртывание

Архитектура PaddleOCR-VL-1.6 полностью идентична PaddleOCR-VL-1.5 — команды и параметры API не изменились. Для перехода на новую версию достаточно заменить файл весов модели; никакой доработки интеграционного кода не требуется. Это критически важно для компаний, которые уже используют PaddleOCR в производственных системах обработки документов: обновление можно провести в рамках планового технического обслуживания без остановки сервиса.

Модель доступна для быстрого развёртывания через стандартную библиотеку transformers, что существенно снижает порог входа для новых пользователей. Полные веса, документация и примеры кода опубликованы на Hugging Face.

Практическое применение в корпоративной среде

PaddleOCR-VL-1.6 представляет интерес прежде всего для организаций, автоматизирующих обработку большого потока документов:

  • Банки и страховые компании — распознавание договоров, полисов, выписок со сложной табличной структурой;
  • Логистика и таможня — обработка накладных, деклараций, актов с печатями;
  • Юридические и нотариальные службы — оцифровка архивных документов, рукописных нотариальных записей;
  • Медицина — извлечение данных из медицинских карт, направлений, результатов анализов;
  • Государственный сектор — перевод бумажного документооборота в цифровой формат.

Высокая точность модели напрямую снижает операционные затраты: меньше ошибок означает меньше ручных проверок и корректировок, что ускоряет обработку каждого документа и повышает пропускную способность системы в целом.

Выводы

PaddleOCR-VL-1.6 наглядно показывает: вдумчивая работа с обучающими данными и хирургически точное дообучение проблемных зон способны дать больший практический эффект, чем усложнение архитектуры нейросети. Прирост с 95,52% до 96,33% на первый взгляд выглядит скромно, однако в абсолютных значениях это означает сокращение числа ошибок почти на пятую часть — критически важный показатель для любой системы автоматизации корпоративного документооборота.

Полная совместимость с предыдущей версией делает переход безболезненным даже для крупных инсталляций, а очередной рекорд SOTA подтверждает статус PaddleOCR как одной из ведущих open-source платформ интеллектуальной обработки документов.

Если вас интересует серверное оборудование для развёртывания подобных AI-решений — свяжитесь с нами в СервакМастер: поможем подобрать оптимальную конфигурацию под ваши задачи.