Qianfan-OCR是百度千帆於2026年3月19日發布的端到端文檔智慧型模型。該模型基於統一的視覺語言架構，擁有40億參數，集成了文檔解析、版面分析、文字識別與語義理解能力。
與傳統“檢測+識別+LLM”三段式OCR流水線不同，Qianfan-OCR採用統一的端到端架構，能夠直接從文檔圖像生成結構化結果。在OmniDocBench v1.5評測中，該模型以93.12分的成績在端到端模型中排名第一。模型已在千帆平台上線，並同步在HuggingFace開源了模型權重。
研發背景,發展歷程,核心技術,重要事件,技術影響,
研發背景
傳統OCR系統普遍沿用“檢測+識別+LLM”三段式Pipeline架構，多階段串聯處理會在各環節不斷放大誤差，且文本逐塊提取過程中原有的空間結構與視覺上下文信息往往遭到破壞，使得圖表、複雜表格等內容的理解能力受到制約。Qianfan-OCR從底層架構出發進行重構，通過統一的端到端視覺語言模型，直接從文檔圖像生成結構化結果。
發展歷程
2026年3月19日，百度千帆正式發布全新端到端文檔智慧型模型Qianfan-OCR。
核心技術
Qianfan-OCR是一種基於統一視覺語言架構的端到端文檔智慧型模型，參數規模為40億（4B），其架構包含視覺編碼器Qianfan-ViT、語言模型Qwen3-4B和跨模態適配器。該模型採用了創新的Layout-as-Thought（版面即思維）機制。Qianfan-OCR支持192種語言的文檔處理，在單張A100 GPU上使用W8A8量化時，推理吞吐量達到1.024 PPS（每秒處理頁數）。
重要事件
2026年3月19日，百度千帆正式發布全新端到端文檔智慧型模型 Qianfan-OCR。發布後，該模型已在百度千帆平台上線，並同步在HuggingFace開源了模型權重，面向開發者與企業用戶開放使用。
技術影響
Qianfan-OCR在多項評測中取得成績，在OmniDocBench v1.5端到端模型排名第一，總體得分93.12分，在OlmOCR Bench端到端模型排名第一，得分79.8，在關鍵信息抽取(KIE)任務排名第一，在五個公開KIE基準上的平均得分為87.9，並在ChartQA、ChartBench等6項圖表理解任務中取得了5項最佳成績。
在關鍵信息提取(KIE)的多個公開榜單總分上，Qianfan-OCR超過了Google Gemini 3-Pro等商用模型，其OCRBench成績高於同尺寸通用視覺語言模型和專用OCR模型。
Qianfan-OCR在文檔解析與理解一體化能力上的表現，驗證了端到端技術路線的可行性，反映了文檔智慧型能力從流程拼接向模型統一發展的趨勢。
