百度千帆发布“王炸”模型Qianfan-OCR：一个模型看懂所有文档，多项评测全球第一

摘要：2026年3月19日，百度智能云千帆大模型平台正式推出革命性的端到端文档智能模型——Qianfan-OCR。这款模型彻底抛弃了传统OCR“检测、识别、理解”的多段式流水线，采用统一的4B参数视觉语言架构，将文档解析、版面分析、文字识别与语义理解四大能力融为一体。其在权威评测中表现惊艳，不仅在OmniDocBench v1.5上以93.12分位列端到端模型榜首，其关键信息抽取（KIE）能力甚至超过了Google Gemini 3-Pro等顶级商用模型。这标志着文档智能处理正式从“流程拼接”迈入“模型统一”的新时代。

如何获取与使用：三大渠道，即刻体验

对于开发者和企业而言，获取并使用Qianfan-OCR的路径非常清晰。百度提供了从云端服务到开源代码的全套方案：

• 千帆平台直接调用：模型已在百度智能云千帆大模型平台上线。千帆平台作为企业级一站式大模型服务平台，提供了丰富的模型库、组件和开发工具。用户可以直接在平台调用该模型的API，快速集成到自己的业务应用中。
• 开源社区下载：秉承百度在AI开源领域的积极策略，Qianfan-OCR的模型权重已在HuggingFace上开源，研究人员和开发者可以自由下载、研究与再创作。
• 获取配套技能（Skills）：为了进一步降低使用门槛，百度在GitHub上发布了配套的“Qianfan-OCR文档智能skills”。用户可以将这些预置技能像插件一样加载到自己的AI智能体（如“小龙虾”）中，轻松实现文档转化与理解等复杂任务，真正做到“为你的小龙虾加点技能，秒变小神龙”。

核心功能与优势：为什么说它是“范式革命”？

传统的工业级OCR系统就像一个分工明确的流水线，需要多个模型接力完成：检测模型先框出位置，识别模型再读出文字，最后交给大模型去理解。这套模式成熟，但问题也明显：流程长、误差会累积、部署复杂，最关键的是，当文本从图片中被“抠”出来后，原有的版面、图表结构等视觉上下文就丢失了，严重制约了对复杂文档的理解深度。

Qianfan-OCR的突破在于，它用一个端到端模型完成了上述所有工作。其核心优势对比一目了然：

简单来说，Qianfan-OCR让模型学会了“先看版式，再读内容”。它通过独特的 <think> Layout</think> 思考令牌，在生成最终答案前，先在内部对文档的排版、元素位置和阅读顺序进行推理和建模。这使得它在处理多栏文档、复杂表格、图表等场景时，表现出远超传统方法的鲁棒性和准确性。

适用场景与价值：让AI真正读懂你的“文件筐”

这项技术革新将直接赋能大量需要处理非结构化文档的行业，解决实际痛点：

1. 金融与政务：自动解析复杂的报表、合同、票据和申报材料，精准抽取关键字段（如金额、日期、条款），完成智能审核与归档，将人力从繁琐的重复劳动中解放。
2. 教育与科研：一键解析学术论文、教材中的图表、公式和排版内容，辅助进行知识梳理、题库生成和高质量学习资料数字化，让知识获取更高效。
3. 企业办公与知识管理：将公司内部海量的历史文档（Word、PDF、扫描件）快速转化为可搜索、可分析的结构化数据，构建企业知识库，提升决策效率。
4. 医疗与法律：快速理解病历、检查单、法律文书等专业文档，辅助完成信息摘要、合规性检查，为专业人士提供强有力的AI助手。

百度此次发布Qianfan-OCR，不仅是推出一款高性能模型，更是将其置于千帆大模型平台的整体战略中。通过提供从顶尖模型、开源代码、便捷技能到强大算力（如自研昆仑芯）的全栈服务，百度正致力于降低AI应用门槛，推动端到端文档智能这一先进范式在千行百业中快速落地，兑现其“用科技让复杂的世界更简单”的使命。

文章来源：综合自百度智能云官方发布、魔搭ModelScope社区报道及相关行业分析。