呀枚们闲在全球多模态文档解析的激烈竞赛中百度凭借 PaddleOCR-VL 模型给行业投下了一颗重磅炸弹。这个仅有 0.9B 参数量的轻量级多模态模型不仅在 OmniDocBench V1.5 榜单上以 92.6 的综合得分登顶全球更在文本识别、公式识别、表格理解和阅读顺序四大核心能力上全面斩获 SOTA刷新了文档解析领域的性能天花板。PaddleOCR-VL 的核心组件是 PaddleOCR-VL-0.9B它创新性地将 NaViT 风格的动态分辨率视觉编码器与轻量级 ERNIE-4.5-0.3B 语言模型相结合兼具结构理解力与资源效率。它不仅能精准解析多栏报纸、嵌套表格、数学公式还能智能还原文档阅读顺序在真实复杂场景下展现出了近乎人类级的理解能力。支持 109 种语言的它堪称当前最灵活、最强大的文档解析模型之一。img如何在本地或集群环境中高效、稳定地部署这一 SOTA 模型本文将详细演示如何通过 GPUStack 平台在本地环境中完成 PaddleOCR-VL 模型的推理部署并展示其在真实文档解析任务中的表现。部署 GPUStack首先参考 GPUStack 官方文档完成安装https://docs.gpustack.ai/latest/installation/nvidia-cuda/online-installation/。推荐容器化部署方式在 NVIDIA GPU 服务器上根据文档要求完成对应版本的 NVIDIA 驱动、Docker 和 NVIDIA Container Toolkit 安装后通过 Docker 启动 GPUStack 服务。以下测试在 NVIDIA RTX4090 GPU 上进行检查 NVIDIA 驱动和 NVIDIA Container Toolkit 已正常安装配置nvidia-smi /dev/null 21 echo NVIDIA driver OK || (echo NVIDIA driver issue; exit 1) docker info 2/dev/null | grep -q Default Runtime: nvidia echo NVIDIA Container Toolkit OK || (echo NVIDIA Container Toolkit not configured; exit 1)image-20251019170108469部署 GPUStackdocker run -d --name gpustack \--restartunless-stopped \--gpus all \--networkhost \--ipchost \-v gpustack-data:/var/lib/gpustack \gpustack-registry.cn-hangzhou.cr.aliyuncs.com/gpustack/gpustack:v0.7.1-paddle-ocr \--disable-rpc-servers查看容器日志确认 GPUStack 已正常运行docker logs -f gpustackimage-20251019132141596若容器日志显示服务启动正常使用以下命令获取 GPUStack 控制台的初始登录密码docker exec -it gpustack cat /var/lib/gpustack/initial_admin_passwordGPUStack 会在部署模型时进行兼容性检查PaddleOCR-VL 的模型架构目前尚未在 GPUStack 正式版本中支持需要用自定义的 vLLM 版本绕过架构检查执行以下命令在 /var/lib/gpustack/bin/ 目录下创建自定义 vLLM 版本的软链docker exec -it gpustack ln -sf /usr/local/bin/vllm /var/lib/gpustack/bin/vllm_paddle_ocr在浏览器中通过服务器 IP 和 80 端口访问 GPUStack 控制台http://YOUR_HOST_IP使用默认用户名 admin 和上一步获取的初始密码登录。登录 GPUStack 后在资源菜单可查看节点的 GPU 资源image-20251019132313052下载 PaddleOCR-VL 模型在 GPUStack UI导航到 资源 - 模型文件选择添加模型文件可以选择从 Hugging Face 或 ModelScope 联网搜索并下载 PaddleOCR-VL 模型。国内网络建议从 ModelScope 下载image-20251019132356378等待模型下载完成image-20251019132632095部署 PaddleOCR-VL 模型确认模型下载完成后点击模型文件右侧的部署按钮部署模型。由于 PaddleOCR-VL-0.9B 模型位于下载的模型目录的 PaddleOCR-VL-0.9B 子目录下需要修改为指向该目录进行部署。image-20251019132851514在模型路径输入框将子路径补充完整/var/lib/gpustack/cache/model_scope/PaddlePaddle/PaddleOCR-VL/PaddleOCR-VL-0.9Bimage-20251019133322616展开高级配置设置模型类别为 LLM。在后端版本中填写自定义的后端版本为 paddle_ocr指向前面步骤软链的 /var/lib/gpustack/bin/vllm_paddle_ocrGPUStack 会自动调用运行模型。在后端参数设置以下启动参数--trust-remote-code兼容性检查提示需要信任自定义代码执行--max-model-len32768 设置上下文大小--chat-template/opt/templates/chat_template.jinja 设置该模型要求的 Chat Templateimage-20251019134519386vLLM 默认占用 GPU 的90%显存若需要部署多个模型可以通过 --gpu-memory-utilization 参数手动控制模型的 GPU 分配比例取值范围 0~1image-20251019152307692保存部署等待模型启动完成确认模型正常运行Runningimage-20251019151933038然后可以在试验场测试模型更多用法参考 PaddleOCR-VL 官方文档https://www.paddleocr.ai/latest/en/version3.x/pipeline_usage/PaddleOCR-VL.htmlOCR 效果测试注意为确保测试效果推荐按照 PaddleOCR-VL 官方文档说明将 Temperature 设置为 0.1Top P 设置为 0.95。综合文档解析image-20251019150605276文本image-20251019151026530表格image-20251019144811422公式image-20251019143545827图表image-20251019141003922在大模型与推理技术高速演进的浪潮中新模型层出不穷推理框架和技术路线也愈加多元。不同模型往往需要特定的后端、配置或依赖如何在不牺牲灵活性和性能的前提下快速接入并高效运行已经成为构建 AI 基础设施的关键课题。在此背景下GPUStack 正在加速迭代。下一个版本我们将引入可插拔后端机制与通用 API 代理 —— 让用户能够自由定制任意的推理引擎与运行配置像搭积木一样灵活打造 MaaS 平台。无论是前沿大模型还是传统机器学习模型都能在同一平台上被快速加载、无缝调用。让每一个开发者、每一家企业都能更轻松地跟上大模型技术的快速更迭将创新更快地落地到真实场景中。我们共同见证 GPUStack 的下一次蜕变