paddlex

2026.5.27 v3.6.1 released

• • Pipelines such as PaddleOCR-VL now support parsing multi-page TIFF files.

2026.5.27 v3.6.1 发布

• PaddleOCR-VL 等产线支持解析多页 TIFF 文件。

Full Changelog: v3.6.0...v3.6.1

2026.5.27 v3.6.0 released

• Supported the inference and deployment functionality for PaddleOCR-VL-1.6.

2026.5.27 v3.6.0 发布

• 支持 PaddleOCR-VL-1.6 的推理部署能力。

Full Changelog: v3.5.2...v3.6.0

2026.5.11 v3.5.2 released

• Models such as SLANet and PP-FormulaNet_plus-L now support inference with the Transformers backend.
• @hoobnn fixed an issue where prior-information files for high-performance inference could not be packaged correctly after directory structure adjustments.
• Fixed an issue where running PaddleOCR-VL local inference with Transformers still required the PaddlePaddle framework.

2026.5.11 v3.5.2 发布

• SLANet 与 PP-FormulaNet_plus-L 等模型支持使用 Transformers 后端推理。
• @hoobnn 修复目录结构调整后高性能推理先验信息文件无法被正确打包的问题。
• 修复使用 Transformers 执行 PaddleOCR-VL 本地推理时仍依赖飞桨框架的问题。

Full Changelog: v3.5.1...v3.5.2

2026.4.22 v3.5.1 released

• The PP-OCRv5 multilingual model supports inference with the Transformers backend.
• Fixed an issue where some modules could not run in Python 3.8 environments.

2026.4.22 v3.5.1 发布

• PP-OCRv5 多语言模型支持使用 Transformers 后端推理。
• 修复部分模块在 Python 3.8 环境无法运行的问题。

Full Changelog: v3.5.0...v3.5.1

2026.4.17 v3.5.0 released

• Supports switching the underlying inference engine, with options such as PaddlePaddle framework and Transformers.
• Pipelines such as PaddleOCR-VL series and PP-StructureV3 support returning DOCX documents (PDF/image to DOCX) in parsing results.

2026.4.17 v3.5.0 发布

• 支持更换底层推理引擎，可选飞桨框架、Transformers 等。
• PaddleOCR-VL 系列、PP-StructureV3 等产线支持在解析结果中返回 DOCX 文档（PDF/Image to DOCX）。

Full Changelog: v3.4.0...v3.5.0

2026.3.26 v3.4.3 released

• Supported training and static-graph export for PP-DocLayoutV3.
• Supported Python 3.13.
• Improved exception handling and edge-case behavior across multiple pipelines for more consistent failure modes.
• Compatibility fixes for newer dependencies and different Python versions.

2026.3.26 v3.4.3 发布

• 支持 PP-DocLayoutV3 模型训练与静态图导出。
• 支持 Python 3.13。
• 修复多条产线的异常处理与边界情况，提升失败场景下的行为一致性。
• 修复与新版依赖、不同 Python 版本相关的兼容性问题。

Full Changelog: v3.4.2...v3.4.3

2026.2.13 v3.4.2 released

• The locally deployed services of PaddleOCR-VL and PaddleOCR-VL-1.5 have removed the default PDF page limit.
• PaddleOCR-VL and PaddleOCR-VL-1.5 services now support configuring the validity period of returned BOS links to enhance security.
• PaddleOCR-VL and PaddleOCR-VL-1.5 now support inference on AMD GPUs.
• PaddleOCR-VL-0.9B and PaddleOCR-VL-1.5-0.9B support optimized default vLLM startup parameters when running on Intel GPUs.
• The VLM client supports graceful shutdown of the asynchronous event loop and automatically cancels remaining requests within the same batch when one request fails, preventing unnecessary compute waste.
• Supports configuring the DPI for PDF rendering via environment variables.
• Narrowed the scope of matmul_add_act_fuse_pass to exclude PP-DocLayoutV3 from this fusion logic.
• Resolved a redundant parsing issue in the PaddleOCR-VL series triggered by text boxes within tables.

2026.2.13 v3.4.2 发布

• PaddleOCR-VL 与 PaddleOCR-VL-1.5 本地部署服务已移除默认的 PDF 页数限制。
• PaddleOCR-VL 与 PaddleOCR-VL-1.5 服务支持配置返回的 BOS 链接有效期，提升安全性。
• PaddleOCR-VL 与 PaddleOCR-VL-1.5 现已支持基于 AMD GPU 的推理。
• PaddleOCR-VL-0.9B 与 PaddleOCR-VL-1.5-0.9B 模型在 Intel GPU 上支持使用优化后的默认 vLLM 启动参数。
• VLM 客户端支持异步事件循环的优雅退出，并在同一批次中单个请求失败时自动取消其余请求，避免不必要的算力浪费。
• 支持通过环境变量配置 PDF 渲染的 DPI。
• 缩小 matmul_add_act_fuse_pass 算子融合影响的模型范围，仅在 PP-DocLayoutV3 时，不做该算子融合。
• 修复 PaddleOCR-VL 系列模型中若表格中包含的文本框导致重复解析的 bug。

Full Changelog: v3.4.1...v3.4.2

• 支持PaddleOCR-VL、PP-OCRv5多语种模型的推理部署能力。

• 部署能力升级：

  • 全面支持飞桨框架 3.1.0 和 3.1.1 版本。
  • 高性能推理支持 CUDA 12，可使用 Paddle Inference、ONNX Runtime 后端推理。
  • 高稳定性服务化部署方案全面开源，支持用户根据需求对 Docker 镜像和 SDK 进行定制化修改。
  • 高稳定性服务化部署方案支持通过手动构造HTTP请求的方式调用，该方式允许客户端代码使用任意编程语言编写。

• 重要模型新增：

  • 新增 PP-OCRv5 英文、泰文、希腊文识别模型的训练、推理、部署。其中 PP-OCRv5 英文模型较 PP-OCRv5 主模型在英文场景提升 11%，泰文识别模型精度 82.68%，希腊文识别模型精度 89.28%。

• Benchmark升级：

  • 全部产线支持产线细粒度 benchmark，能够测量产线端到端推理时间以及逐层、逐模块的耗时数据，可用于辅助产线性能分析。
  • 在文档中补充各产线常用配置在主流硬件上的关键指标，包括推理耗时和内存占用等，为用户部署提供参考。

• Bug修复：

  • 修复了当输入图片文件格式不合法时，导致递归调用的问题。
  • 修复了 PP-DocTranslation 和 PP-StructureV3 产线配置文件中图表识别、印章识别、文档预处理参数设置不生效的问题。
  • 修复 PDF 文件在推理结束后未正确关闭的问题。

• 其他升级：

  • 支持 Windows 用户使用英伟达 50 系显卡，可根据安装文档安装对应版本的 paddle 框架。
  • PP-OCR 系列模型支持返回单文字坐标。
  • 将 PaddlePredictorOption 中的 model_name 参数移至 PaddleInfer 中，改善了用户易用性。
  • 重构了官方模型下载逻辑，新增了 AIStudio、ModelScope 等多模型托管平台。

• 重要模型：
  • 新增PP-OCRv5多语种文本识别模型，支持法语、西班牙语、葡萄牙语、俄语、韩语等37种语言的文字识别模型的训推流程。平均精度涨幅超30%。
  • 升级PP-StructureV3中的PP-Chart2Table模型，图表转表能力进一步升级，在内部自建测评集合上指标（RMS-F1）提升9.36个百分点（71.24% -> 80.60%）
• 重要产线：
  • 新增基于PP-StructureV3和ERNIE 4.5 Turbo的文档翻译产线PP-DocTranslation，支持翻译Markdown文档、各种复杂版式的PDF文档和文档图像，结果保存为Markdown格式文档。

丰富的模型库：

• 模型丰富： PaddleX3.0 包含270+模型，涵盖了图像（视频）分类/检测/分割、OCR、语音识别、时序等多种场景。
• 方案成熟： PaddleX3.0 基于丰富的模型库，提供了通用文档解析、关键信息抽取、文档理解、表格识别、通用图像识别等多种重要且成熟的AI解决方案。

统一推理接口，重构部署能力：

• 推理接口标准化，降低不同种类模型带来的API接口差异，减少用户学习成本，提升企业落地效率。
• 提供多模型组合能力，复杂任务可以通过不同的模型方便地进行组合使用，实现1+1>2 的能力。
• 部署能力升级，多种模型部署可以使用统一的命令管理，支持多卡推理，支持多卡多实例服务化部署。

全面适配飞桨框架3.0：

• 全面适配飞桨框架3.0新特性： 支持编译器训练，训练命令通过追加 -o Global.dy2st=True 即可开启编译器训练，在 GPU 上，多数模型训练速度可提升 10% 以上，少部分模型训练速度可以提升 30% 以上。推理方面，模型整体适配飞桨 3.0 中间表示技术（PIR），拥有更加灵活的扩展能力和兼容性，静态图模型存储文件名由 xxx.pdmodel 改为 xxx.json。
• 全面支持 ONNX 格式模型： 支持通过Paddle2ONNX插件转换模型格式。

重磅能力支撑：

• 支撑PP-OCRv5的串联逻辑和多硬件推理、多后端推理、服务化部署能力。
• 支撑PP-StructureV3的复杂模型串联和并联的逻辑，首次串联并联共15个模型，实现多模型协同的复杂pipeline。精度在 OmniDocBench 榜单上达到 SOTA 水平。
• 支撑PP-ChatOCRv4的大模型串联逻辑，结合文心大模型4.5Turbo，结合新增的PP-DocBee2，关键信息抽取精度相比上一代提升15.7个百分点。

多硬件支持：

• 整体支持英伟达、英特尔、苹果M系列、昆仑芯、昇腾、寒武纪、海光、燧原等芯片的训练和推理。
• 在昇腾上，全面适配的模型达到200个， 支持OM高性能推理的模型达到21个。此外支持PP-OCRv5、PP-StructureV3等重要模型方案。
• 在昆仑芯上支持重要分类、检测、OCR类模型（含PP-OCRv5）。

本次版本全面适配 PaddlePaddle 3.0 正式版，核心升级如下：

• 全面适配飞桨框架3.0新特性：支持编译器训练，训练命令通过追加 -o Global.dy2st=True 即可开启编译器训练，在 GPU 上，多数模型训练速度可提升 10% 以上，少部分模型训练速度可以提升 30% 以上。推理方面，模型整体适配飞桨 3.0 中间表示技术（PIR），拥有更加灵活的扩展能力和兼容性，静态图模型存储文件名由 xxx.pdmodel 改为 xxx.json。

• 新增飞桨自研文档图像理解多模态大模型 PP-DocBee：在学术界及内部业务场景文档理解评测榜单上，PP-DocBee 均达到同参数量级别模型的 SOTA 水平。可应用到财报、研报、合同、说明书、法律法规等文档 QA 场景。

• 全面支持 ONNX 格式模型，支持通过Paddle2ONNX插件转换模型格式。

• 升级高性能推理：

  • 新增对 ONNX、OM 格式模型的支持： PaddleX 可以根据需要智能选择模型格式；
  • 扩展支持的产线和模块： 所有静态图推理的单功能模块与产线均可使用高性能推理插件来提升推理性能；
  • 支持 CLI、API、配置文件 3 种配置方式： 支持更精细的配置，用户可以在子产线、子模块粒度启用和禁用高性能推理插件。

• 多硬件支持扩展：

  • NPU：昇腾全面验证的模型数量提升到 200 个。此外，通用 OCR、图像分类、目标检测等常用产线支持 OM 模型格式推理，推理速度能够提升 113.8%-226.4%，支持在 Atlas 200、Atlas 300 系列产品上推理部署。
  • GCU：燧原正式纳入飞桨例行发版体系，完成了 PaddleX 生态适配。支持 90 个模型的训练和推理。

PaddleX 3.0 rc0 全面适配 PaddlePaddle 3.0rc0 版本，新增10+条产线，40+个模型，优化模型和产线API，多硬件适配更多模型。全面升级高性能推理和服务化部署能力。具体新增能力如下：

• 新增产线：

  • 新增文档预处理产线，支持将矫正旋转和扭曲的文档图像。
  • 新增文档场景信息抽取v4产线，在文档场景信息抽取v3产线的基础上，融合了多模态能力，增强了OCR识别能力，优化了Prompt，最终文档信息抽取的准确率提升15个百分点。支持本地大模型OpenAI接口调用。
  • 新增通用版面解析v3产线，PP-StructureV3 的核心方案。在通用版面解析v1产线的基础上，优化了版面区域检测、表格识别、公式识别、阅读顺序恢复的能力，支持将不同类型的文档图像和文档PDF文件转换为标准的Markdown文件，在大多数场景的文档恢复能力表现强劲。
  • 新增通用表格识别v2产线，采用了“表格分类+表格结构识别+单元格检测”的多模型串联组网方案，实现更高精度的端到端表格识别。
  • 新增旋转框检测产线，支持对旋转目标进行检测。
  • 新增人体关键点检测产线，支持精确获取人体的关键点位置，如肩膀、肘部、膝盖等，从而进行姿态估计和行为识别。
  • 新增开放词汇目标检测产线，支持对开放域目标进行检测，并预测类别。
  • 新增开放词汇分割产线，支持对开放域目标进行图像分割。
  • 新增通用视频检测产线，支持高效提取视频中的空间和时间特征，实现视频中目标的精准识别和定位。
  • 新增通用视频分类产线，支持提取视频中的时空特征并进行准确分类。
  • 新增多语种语音识别产线，支持将人类口述的多种语言自动转换为相应的文本或命令。
  • 新增3D多模态融合检测产线，支持输入多种传感器（激光雷达、环视RGB相机等）数据，通过深度学习等方法对数据进行处理，输出三维空间中物体的位置、形状、朝向、类别等信息。

• 新增模型：

  • 新增 OCR 类模型 28 个，其中包含兼顾高精度和高效率的自研版面区域检测模型 PP-DocLayout 系列、兼顾高精度和高效率的自研公式识别模型 PP-FormulaNet 系列、自研表格结构识别模型 SLANeXt 系列、更高识别精度的自研文本识别模型 PP-OCRv4_server_rec_doc 模型等。
  • 新增 CV 类模型 11 个，新增了 3D 多模态融合检测模型、开放词汇目标检测和分割模型、旋转框检测模型、人体关键点检测模型等。
  • 新增 Speech 类模型 5 个，新增了 Whisper 系列的 5 个模型。
  • 新增 Video 类模型 4 个，包含视频检测模型 1 个、视频分类模型 3 个。

• 模型和产线能力升级：

  • 模型和产线支持更多参数，如目标检测模型的类别阈值、文本检测模型的膨胀系数等，CV 类和 OCR 类模型支持 PDF 格式文件输入。
  • OCR 类产线支持文档前处理操作，如文档方向分类、文档矫正等，内置文本行方向分类模型。
  • 文档场景信息抽取 v3 产线支持标准 OpenAI 接口调用大语言模型，支持更多大语言模型的调用。
  • 优化使用体验，部分模型和产线接口发生变化，详情参考 API升级文档。

• 多硬件支持：

  • 新增燧原 GCU 硬件的模型训推能力，支持模型数量90+，GCU 模型列表
  • 昇腾 NPU 新增模型数量 50+，NPU 模型列表
  • 昆仑芯 XPU 新增模型数量 10+，XPU 模型列表
  • 寒武纪 MLU 新增模型数量 10+，MLU 模型列表
  • 海光 DCU 新增模型数量 30+，DCU 模型列表

• 多环境适配

  • 适配 Windows 系统，支持在 Windows 下使用 PaddleX 进行模型训练和推理。修复部分 Windows 系统下安装失败的问题。
  • 训练和推理全面适配 Python3.11，Python3.12。

• 部署能力全面升级：

  • 高性能推理：
    • 安装使用简化：支持使用 PaddleX CLI 一键安装高性能推理插件；使用高性能推理插件无需进行鉴权。
    • 跨平台支持：新增对 Windows 系统的支持。
    • 模型支持扩展：扩增支持模型数量，目前总计支持 220+ 个模型。
    • 核心代码开源：开源核心推理库 ultra-infer，便于开发者进行二次开发和定制。
  • 服务化部署：
    • 基础服务化部署方案升级：升级基础服务化部署方案，支持新增产线，并适配原有产线新增功能。
    • 高稳定性服务化部署方案支持：新增高稳定性服务化部署方案，支持灵活调整服务配置以优化服务性能，多种部署方案满足不同用户需求。

PaddleX 3.0 Beta2 全面适配 PaddlePaddle 3.0b2 版本。新增通用图像识别、人脸识别、车辆属性识别和行人属性识别产线，同时新增 42 个模型开发全流程适配昇腾 910B，并全面支持GitHub 站点文档。 具体新增能力如下：

• 新增产线：

  • 新增通用图像识别产线，提供更强的特征提取模型，支持用户自定义图像数据库识别未知类别，相比当前开放域目标检测，可以自定义识别的总类更多。支持高性能推理和服务化部署；
  • 新增人脸识别产线，支持对人脸数据库的增加和删除，支持高性能推理和服务化部署；
  • 新增车辆属性识别产线，支持对图像中的车辆进行检测和属性的识别，当前支持的属性有颜色和车型。支持高性能推理和服务化部署；
  • 新增行人属性识别线，支持对图像中的行人进行检测和属性的识别，当前支持的属性有年龄、性别、穿着等。支持高性能推理和服务化部署。

• 新增能力：

  • 支持GitHub 站点文档，支持用户搜索相关内容和对文档内容的评论；
  • 支持打印模型的推理benchmark信息，相关文档；
  • 新增 42 个模型开发全流程适配昇腾 910B，模型列表。

• 优化点：

  • 公式识别产线，支持 PDF 格式输入，支持公式识别结果的可视化；
  • 印章文本识别产线，支持 PDF 格式的输入；
  • 通用版面解析产线，优化保存图片的名称；
  • 预训练统一管理，将当前支持的模型的预训练统一管理，并内置到默认配置文件中；
  • 升级模型保存的格式，为高性能推理提供保障；
  • 优化部分模型的默认参数，为训练更高精度的模型提供保障。

• BugFix：

  • 修复部分文档表述错误或者不当的内容，修复部分 URL 失效的问题；
  • 修复文档方向分类推理模型的bug；
  • 修复部分高性能推理和服务化部署的bug；
  • 修复 SLANet、SLANet_plus 训练精度为 0 的bug。

新增超轻量分类模型PPLCNet，在Intel CPU上，单张图像预测速度约5ms，ImageNet-1K数据集上Top1识别准确率达到80.82%，超越ResNet152的模型效果 欢迎体验 新增轻量级检测特色模型PP-PicoDet，第一个在1M参数量之内mAP(0.5:0.95)超越30+(输入416像素时)，网络预测在ARM CPU下可达150FPS 欢迎体验 升级PaddleX Restful API，支持飞桨动态图开发模式 欢迎体验 新增检测模型负样本训练策略 欢迎体验 新增python轻量级服务化部署 欢迎体验

• PaddleX API
  • 新增检测任务和实例分割任务的预测结果可视化、以及预测错误原因分析，辅助分析模型效果
  • 新增检测任务的负样本优化，抑制背景区域的误检
  • 完善语义分割任务的预测结果，支持返回预测类别和归一化后的预测置信度
  • 完善图像分类任务的预测结果，支持返回归一化后的预测置信度
• 预测部署
  • 完备PaddleX python预测部署, PaddleX模型使用2个API即可快速完成部署
  • PaddleX C++部署全面升级，支持飞桨视觉套件PaddleDetection、PaddleClas、PaddleSeg、PaddleX的端到端统一部署能力
  • 全新发布Manufacture SDK，提供工业级多端多平台部署加速的预编译飞桨部署开发包（SDK），通过配置业务逻辑流程文件即可以低代码方式快速完成推理部署
• PaddleX GUI
  • 升级PaddleX GUI，支持30系列显卡
  • 目标检测任务新增模型PP-YOLO V2, COCO test数据集精度达到49.5%、V100预测速度达到68.9 FPS
  • 目标检测任务新增4.2MB的超轻量级模型PP-YOLO tiny
  • 语义分割任务新增实时分割模型BiSeNetV2
  • 新增导出API训练脚本功能，无缝切换PaddleX API训练
• 产业实践案例
  • 新增以目标检测任务为主的钢筋计数、缺陷检测案例教程
  • 新增以实例分割任务为主的机械手抓取案例教程
  • 新增串联目标检测、语义分割、传统视觉算法的工业表计读数的训练和部署案例教程
  • 新增Windows系统下使用C#语言部署案例教程

• 全面支持飞桨2.0动态图，更易用的开发模式
• 目标检测任务新增PP-YOLOv2, COCO test数据集精度达到49.5%、V100预测速度达到68.9 FPS
• 目标检测任务新增4.2MB的超轻量级模型PP-YOLO tiny
• 语义分割任务新增实时分割模型BiSeNetV2
• C++部署模块全面升级
  • PaddleInference部署适配2.0预测库（使用文档）
  • 支持飞桨PaddleDetection、PaddleSeg、PaddleClas以及PaddleX的模型部署
  • 新增基于PaddleInference的GPU多卡预测（使用文档）
  • GPU部署新增基于ONNX的的TensorRT高性能加速引擎部署方式
  • GPU部署新增基于ONNX的Triton服务化部署方式（使用文档）

• 模型更新

  • 图像分类模型ResNet50_vd新增10万分类预训练模型
  • 目标检测模型FasterRCNN新增模型裁剪支持
  • 目标检测模型新增多通道图像训练支持

• 模型部署更新

  • 修复OpenVINO部署C++代码中部分Bug
  • 树莓派部署新增Arm V8支持

• 产业案例更新

• 新增工业质检产业案例，提供基于GPU和CPU两种部署场景下的工业质检方案，及与质检相关的优化策略

• <b>新增RestFUL API模块</b> 新增RestFUL API模块，开发者可通过此模块快速开发基于PaddleX的训练平台

• 增加基于RestFUL API的HTML Demo
• 增加基于RestFUL API的Remote版可视化客户端 新增模型通过OpenVINO的部署方案