Сравнение моделей PaddleOCR-VL-0.9B vs Qwen3 235B A22B Instruct 2507

× 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.

× qwen/qwen3-235b-a22b-2507

Qwen3-235B-A22B-Instruct-2507 — многоязычная MoE‑модель, настроенная на инструкции, на базе архитектуры Qwen3-235B, с 22B активных параметров на проход. Она оптимизирована для универсальной генерации текста, включая следование инструкциям, логические рассуждения, математику, код и использование инструментов. Модель поддерживает нативный контекст 262K и не реализует «thinking mode» (блоки <think>). По сравнению с базовой версией этот вариант даёт заметные улучшения в покрытии знаний, рассуждениях на длинном контексте, кодинговых бенчмарках и выравнивании под открытые задачи. Она особенно сильна в многоязычном понимании, математических рассуждениях (например, AIME, HMMT) и оценках выравнивания вроде Arena‑Hard и WritingBench.