我一直认为OCR 是AI时代最被低估的技术之一，因为 OCR 是帮助模型理解现实世界的第一步。
这两天刷OmniBench的时候，发现百度发布了新一代的OCR模型，PaddleOCR-VL-1.6。
作为文心的衍生模型，之前他们发布的1.5版本，体验下来效果就非常不错，现在它们新发的1.6版本又把自己之前的SOTA 再次刷新了，总指标达到了96.33%，比一众通用模型和专用OCR模型都高。
而在比较复杂的 Real5-OmniDocBench 评测中，PaddleOCR-VL-1.6达到了93.19% ，成功超越了上一个这么牛逼的自己。。。
我拿我之前测1.5版本的一个case 又测了一下「图5」。
新版本已经可以做到全部都识别准确了，比之前确实更厉害了。
稍微了解了下，这次的PaddleOCR-VL-1.6在表格、图表、古籍、生僻字、连笔字识别等很多复杂场景上都有显著的提升。
这个提升带来的巨大好处是，获取实体数据给模型训练变得更加容易，同时也增强了大模型自身的多模态能力。
因为随着大模型的不断发展，互联网数据已经远远不能满足模型的需要了。还需要大量且高质量的实体数据，比如图书馆里的书籍，还有很多古籍等等，
这些都是OCR发挥大用处的场景，PaddleOCR-VL-1.6 能直接帮助文心理解这些内容，不需要拆书，压平，标准化等处理，它就能准确识别、精准理解。
所以，它不仅仅只是一次普通的OCR升级，同时也在帮助文心大模型进一步强化获取知识的能力。
目前PaddleOCR-VL-1.6已经上线PaddleOCR官网，支持网页端和API调用。同时模型代码及权重也已经开源到GitHub和Huggingface了，模型本身只有0.9B大小，非常适合部署使用。
这一次，PaddleOCR-VL-1.6不仅再次刷新了全球OCR的纪录，更让人清楚地看到，中国团队在这条赛道上已经完全掌握了主动权。
它让大模型能够直接理解现实世界的文档，从图书馆古籍到企业档案，从扫描件到拍照文档，获取高质量数据的门槛大幅降低。未来，谁能更快、更准确地把现实世界的信息转化为可学习的数据，谁就能在大模型竞争中抢占先机。
