Modelo compacto de PaddlePaddle, el equipo de IA abierta de Baidu, de unos 1.000 millones de parámetros, que convierte documentos en texto estructurado decodificando varios bloques de la página a la vez.
En lugar de leer la página palabra a palabra, primero detecta su estructura y después procesa en paralelo cada bloque (texto, tablas, fórmulas), lo que lo hace bastante más rápido que los analizadores que generan un token tras otro. Según Baidu, alcanza un 94,91 % en OmniDocBench v1.6.
Pesos abiertos en Hugging Face con licencia Apache 2.0, con imagen Docker y una versión adaptada de vLLM para ejecutarlo. Es un modelo distinto de PaddleOCR-VL, que tiene su propia ficha en Modelos al día.
Basado en InternVL3.5-1B, con una cabeza de predicción de varios tokens. Documentos en inglés y chino.
