PaddleOCR-VL-1.5: Auf dem Weg zu einem Multi-Task-0.9B-VLM für robuste Dokumentenanalyse in realen Umgebungen

PaddleOCR-VL-1.5: Towards a Multi-Task 0.9B VLM for Robust In-the-Wild Document Parsing

January 29, 2026

papers.authors: Cheng Cui, Ting Sun, Suyin Liang, Tingquan Gao, Zelun Zhang, Jiaxuan Liu, Xueqing Wang, Changda Zhou, Hongen Liu, Manhui Lin, Yue Zhang, Yubo Zhang, Yi Liu, Dianhai Yu, Yanjun Ma

cs.AI

papers.abstract

Wir stellen PaddleOCR-VL-1.5 vor, ein verbessertes Modell, das auf OmniDocBench v1.5 eine neue state-of-the-art (SOTA)-Genauigkeit von 94,5 % erreicht. Um die Robustheit gegenüber realen physikalischen Verzerrungen wie Scannen, Schräglage, Verzerrung, Bildschirmfotografie und Beleuchtung rigoros zu bewerten, schlagen wir den Real5-OmniDocBench-Benchmark vor. Experimentelle Ergebnisse zeigen, dass dieses erweiterte Modell auf dem neu kuratierten Benchmark SOTA-Leistung erzielt. Darüber hinaus erweitern wir die Fähigkeiten des Modells durch die Integration von Siegelerkennung und Text-Spotting-Aufgaben, wobei es weiterhin ein ultrakompaktes 0,9B-VLM mit hoher Effizienz bleibt. Code: https://github.com/PaddlePaddle/PaddleOCR

English

We introduce PaddleOCR-VL-1.5, an upgraded model achieving a new state-of-the-art (SOTA) accuracy of 94.5% on OmniDocBench v1.5. To rigorously evaluate robustness against real-world physical distortions, including scanning, skew, warping, screen-photography, and illumination, we propose the Real5-OmniDocBench benchmark. Experimental results demonstrate that this enhanced model attains SOTA performance on the newly curated benchmark. Furthermore, we extend the model's capabilities by incorporating seal recognition and text spotting tasks, while remaining a 0.9B ultra-compact VLM with high efficiency. Code: https://github.com/PaddlePaddle/PaddleOCR