Сравнение моделей PaddleOCR-VL-0.9B vs Qwen3.5-122B-A10B

× 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/qwen3.5-122b-a10b

Нативная vision‑language модель Qwen3.5 122B‑A10B построена на гибридной архитектуре, объединяющей линейное внимание с разреженной MoE‑моделью, что обеспечивает более высокую эффективность инференса. По общей производительности эта модель уступает только Qwen3.5‑397B‑A17B. Её текстовые возможности существенно превосходят Qwen3‑235B‑2507, а визуальные — превосходят Qwen3‑VL‑235B.