Сравнение моделей PaddleOCR-VL-0.9B vs Gemma 4 31B Instruct

× 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-4-31b-it

Gemma 4 31B Instruct — мультимодальная модель семейства Gemma 4 от Google DeepMind, поддерживающая текстовый и визуальный ввод с генерацией текстового вывода. Подходит для задач, где нужны сильные multimodal-возможности Gemma 4 на большем масштабе по сравнению с более компактными вариантами линейки.