PaddleOCR-VL-1.5: Verso un Modello Linguistico Visivo da 0.9B per Compiti Multipli nell'Analisi Robusta di Documenti in Ambienti Non Controllati

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

January 29, 2026

Autori: 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

Abstract

Presentiamo PaddleOCR-VL-1.5, un modello potenziato che raggiunge una nuova accuratezza state-of-the-art (SOTA) del 94,5% su OmniDocBench v1.5. Per valutare rigorosamente la robustezza contro le distorsioni fisiche del mondo reale, incluse scansione, inclinazione, deformazione, fotografia da schermo e illuminazione, proponiamo il benchmark Real5-OmniDocBench. I risultati sperimentali dimostrano che questo modello migliorato raggiunge prestazioni SOTA sul nuovo benchmark curato. Inoltre, estendiamo le capacità del modello incorporando compiti di riconoscimento di timbri e text spotting, mantenendo al contempo un'architettura ultra-compatta da 0,9B parametri e un'elevata efficienza. Codice: 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