Сравнение моделей PaddleOCR-VL-0.9B vs Gemma 3 12B
Сравнение моделей PaddleOCR-VL-0.9B vs Gemma 3 12B по цене, контексту и дате релиза.
PaddlePaddle/PaddleOCR-VL-0.9B
PaddleOCR-VL-0.9B — ресурсно‑эффективная vision‑language модель, разработанная для разбора документов и точного распознавания элементов страницы. Она сочетает визуальный энкодер с динамическим разрешением в стиле NaViT и языковую модель ERNIE-4.5-0.3B, что позволяет уверенно извлекать текст, таблицы, формулы и графики. Модель поддерживает 109 языков, показывает сильные результаты в document parsing и element recognition и хорошо подходит для практического OCR и document AI.
google/gemma-3-12b-it
Gemma 3 вводит мультимодальность, поддерживая входы «изображение+текст» и текстовые выходы. Она обрабатывает контекст до 128k токенов, понимает более 140 языков и предлагает улучшенные возможности в математике, рассуждениях и чате, включая структурированные выходы и вызов функций. Gemma 3 12B — вторая по размеру в семействе Gemma 3 после [Gemma 3 27B](google/gemma-3-27b-it)