平均分最高的OCR，可能读不懂你的那张表

Akshay Pachaar 把三个 OCR 方案放在同样的 150 页文档上跑了一遍：DeepSeek-OCR、PaddleOCR-VL、Datalab Surya。页面从手写笔记、旋转扫描件到密集表格，还有一份填好的美国 1040 税表。

为什么这么测？一个总分只说明谁在平均意义上靠前。你的文档不是平均文档。手写多、表格复杂、扫描件歪斜，每个场景都可能让某个解析器翻车，总平均分看不出来。

所以每一页都用是/否问题检查：这一行出现没有？单元格在正确的表头下吗？A 在 B 前面吗？

结果：

• 没有哪个解析器在每种页面上都赢
• DeepSeek-OCR 在表格上最好，87.2
• 手写笔记上，一个解析器过了 5/6 的检查，另外两个 0
• 填好的 1040 税表，PaddleOCR-VL 只返回了标题

只返回标题。一份税表在它眼里只剩个标题。这就是具体失败的样子，平均分看不见。

这套逻辑背后是 OmniParse Bench，Datalab 开源的基准工具。16,288 个测试，2,937 页，92 种语言。每页打上标签标注难点：手写、旋转、小字、表单、表格。评分用开放代码，没有 LLM 裁判，可以复现。

判断方式接近工程直觉：不追求漂亮的总分，只看哪些具体动作可行。选型不该选总平均分最高的，该选在你的文档上不翻车的。

有网友的质疑很直接：Datalab 自己的基准，自己排第一，希望第三方也跑一遍。合理。开源数据和代码，至少留了验证的入口。还有人试了一圈，最后选了 Datalab 的 Chandra-2。也有人建议每次评估固定基准版本，方便换方案后重跑对比。

同期百度开源了 Unlimited OCR 2，目标也是长文档。AGTP 做了速览。百度的核心是 SR-SWA，Sparse Reference Sliding Window Attention，把文本-视觉注意力交互压缩到固定大小的参考集。配合 Unlimited-Horizon Decoding，释放不再需要的 KV 缓存。效果：每步解码延迟和内存占用几乎不随文档长度增长。

数字：KV 缓存峰值从 47 GB 降到 1.77 GB；解码每步快 7 倍；哈利波特 7 部 3,600+ 页一次跑完；三体三部曲 1,200+ 页中文一次跑完。3.34B 参数，MIT 协议，Hugging Face 可下，支持 Transformers 和 SGLang。

模型刚发布，能不能打，跑一遍就知道。长文档 OCR 一直是痛点，这个方向值得盯。