据了解，该模型核心参数仅0.9B，轻量高效，能以极低计算开销精准识别文本、手写汉字、表格、公式、图表等复杂元素，支持109种语言。在权威榜单OmniBenchDoc V1.5中，它以92.6分获综合性能全球第一，四大核心能力全线SOTA，超越GPT-4o等模型，刷新OCR VL模型性能纪录。

作为文心4.5衍生模型，PaddleOCR-VL融合了NaViT动态分辨率视觉编码器与ERNIE-4.5-0.3B语言模型，实现精度与效率双突破。