凡人小北(@frxiaobei):我把刚开源的 PP-OCRv6 考了一遍，34.5M 居然跑赢了 235B。这两年大模型越做越大，好像连读张图上的字，都得丢给一个几百 B 的多模态大模型。可我一直有个疑问，OCR 这件最朴素的事，未来真得越做越大吗。百度上周开源的 PP-OCRv6 给了个反过来的答案。它一次出了三档，按官方定位，Tiny 只有 1.5M，给浏览器和端侧用；Small 7.7M，对手机和桌面；Medium 34.5M，对服务器，也是三档里最准的一档。三档都认五十种语言，tiny 是四十九种。我挑了最准的 Medium，装进自己 Mac，纯 CPU 跑了一遍。先说结论，这么小的模型，日常这些图读得又准又稳。一张洇着红污渍的旧登机牌，航班、姓名、长票号一字不差；手机截图里的状态栏、搜索框、一长串地名也都挑了出来；印刷的课本表格更不在话下，规整的手写它也能认对。真正难倒它的，只有那种连我肉眼都认不全的连笔草书。毕竟它是老老实实读字的，不替你瞎猜。

2026.06.16 11:18

我把刚开源的 PP-OCRv6 考了一遍，34.5M 居然跑赢了 235B。这两年大模型越做越大，好像连读张图上的字，都得丢给一个几百 B 的多模态大模型。可我一直有个疑问，OCR 这件最朴素的事，未来真得越做越大吗。百度上周开源的 PP-OCRv6 给了个反过来的答案。它一次出了三档，按官方定位，Tiny 只有 1.5M，给浏览器和端侧用；Small 7.7M，对手机和桌面；Medium 34.5M，对服务器，也是三档里最准的一档。三档都认五十种语言，tiny 是四十九种。我挑了最准的 Medium，装进自己 Mac，纯 CPU 跑了一遍。先说结论，这么小的模型，日常这些图读得又准又稳。一张洇着红污渍的旧登机牌，航班、姓名、长票号一字不差；手机截图里的状态栏、搜索框、一长串地名也都挑了出来；印刷的课本表格更不在话下，规整的手写它也能认对。真正难倒它的，只有那种连我肉眼都认不全的连笔草书。毕竟它是老老实实读字的，不替你瞎猜。