近日，业界迎来重大进展——百度文心正式推出新一代OCR模型PP-OCRv6，一次性发布Tiny、Small、Medium三款模型，支持50多种语言，覆盖从浏览器端到嵌入式设备再到服务器的全场景需求。据公开数据表明，PP-OCRv6再度刷新OCR领域的评测纪录，综合性能已跃居全球第一。
尤其值得一提的是PP-OCRv6 Tiny，其模型体积仅1.5MB，可直接部署在本地浏览器环境中，单张图片预测最快仅需97毫秒。这意味着用户数据无需上传云端即可完成OCR处理，既保障了隐私安全，也大幅降低了部署门槛。有开发者评价称，这可能是全球唯一能在浏览器环境运行的高精度OCR模型，相当于为Agent装上了“眼睛”，在智能办公、教育、工业等场景中提供更轻量、高效的视觉感知能力。
在性能方面，PP-OCRv6在保持轻量化优势的同时，识别精度和推理速度进一步提升，综合性能显著增强。具体来看，它在文本检测和文本识别两个任务上分别取得86.2和83.2的分数，双双刷新此前由PP-OCRv5保持的OCR领域最佳纪录。整体表现甚至优于Qwen3-VL-235B、GPT-5.5、Gemini-3.1-Pro等国内外主流多模态大模型，在OCR专业任务上展现出更强的竞争力。
从v1到v6：持续演进的OCR生态
作为文心大模型多模态能力的重要支撑，PP-OCR系列近年来持续推动文本检测与识别技术的升级，从PP-OCRv1迭代至如今的PP-OCRv6。目前，PP-OCR系列所在的PaddleOCR项目已支持超过110种语言识别，服务覆盖全球170多个国家和地区。
凭借轻量化、高精度等优势，PP-OCR系列已被广泛集成到UmiOCR、MinerU、TurboOCR等业界常用OCR工具链中，在文档解析、数据处理、知识库构建等场景中发挥关键作用，成为开发者和企业广泛采用的开源OCR解决方案之一。同时，它也成为各大模型团队进行数据预处理、文档解析和知识提取的核心工具，为模型训练与应用落地提供坚实支撑。在GitHub上，PaddleOCR的Star数量已突破8.22万，超过谷歌旗下开源OCR标杆项目Tesseract OCR，成为全球最受关注的开源OCR项目之一。
目前，PP-OCRv6已正式上线PaddleOCR正式版，用户可通过网页或API快速调用，同时代码和模型权重均已开源，方便广大开发者下载部署。可以预见，随着更多应用场景的接入，OCR在智能体时代的价值将进一步释放。
