百度PP-OCRv5超轻量模型：Hugging Face热度夺冠，超越GPT-4o与Qwen2.5-VL

百度近期通过海外社交账号展示了其全新轻量级文本识别模型PP-OCRv5。这款仅含0.07B参数的模型，在多项OCR任务测试中实现了与700亿参数大模型相当的识别准确度，仅用千分之一的参数量就超越了GPT-4o、Qwen2.5-VL-72B等知名视觉大模型的表现。特别值得注意的是，飞桨团队发布的技术博客内容持续一周稳居Hugging Face热门博客榜首，引发了开发者群体的热烈讨论。

据官方资料显示，在2025年5月发布的PaddleOCR 3.0版本中，PP-OCRv5文字识别方案与PP-StructureV3通用文档解析方案、以及支持文心大模型4.5的PP-ChatOCRv4智能文档理解方案，共同组成了三大核心功能。自2020年开源以来，PaddleOCR的下载量已突破900万次，获得5900多个开源项目采用或引用，更是GitHub上唯一星标数突破5万的中国OCR项目。

9月18日当天，Paddle OCR项目登上GitHub全球热度榜，在Python类目中排名第5，总榜位列第13名。

技术博客中提到，目前通用视觉大模型(VLM)在OCR任务中仍存在文本定位不准确、边框偏差等问题，同时伴随高昂的计算成本和不稳定的"幻觉"输出。相较之下，PP-OCRv5采用的模块化双阶段检测识别架构，不仅保证了推理过程的高效轻量，还能输出更为精确的文本边界框。

测试数据显示，在印刷体中文、英文及手写英文等主要任务中，PP-OCRv5的准确率与Qwen2.5-VL-72B这样的百亿级大模型不相上下甚至更胜一筹；面对手写中文、汉语拼音等复杂场景时，同样展现出色的泛化能力。

作为百度飞桨团队打造的全场景文本识别解决方案，PP-OCRv5突破了行业瓶颈，成为首款能够支持5种文字类型的超轻量级模型。