SoMark团队开源了1.3B参数的文档解析模型OXR，在OmniDocBench、olmOCR-Bench、DocParsingBench三项基准上均排名第一，解析速度优于PaddleOCR-VL与MinerU。该模型支持表格、公式、化学式等13类元素，可输出Markdown/JSON并保留版面坐标。架构上，由轻量版面分析模型定位区域，主模型识别内容并判断阅读顺序；后训练引入递归自我改进，用错误样本迭代训练。版面分析模块可插拔，代码与权重已开放。

Cohere发布文档解析模型Parse（parse-v5.0），为2.3B参数视觉语言模型，可将PDF、PPT等转为带HTML表格和边界框的Markdown。API定价每千页1.5美元，Model Vault月费2500美元起。ParseBench得分79.2为自报子集分数，未含图表和视觉定位维度。专用容量月处理超167万页才划算。

该文介绍开源文档解析引擎anydoc，由Firecrawl团队用Rust开发，能将PDF、Word等13种格式快速转换为统一Markdown，毫秒级处理，速度提升百倍。它解决AI读取本地文件结构混乱的问题，提升数据质量和AI响应效率，适用于AI Agent和RAG系统，简化企业知识库建设。

OvisOCR2是2026年7月推出的0.8B参数端到端文档解析模型，基于Qwen3.5-0.8B构建，能将文档图像转为结构化Markdown，精准解析文本、公式、表格等。在OmniDocBench v1.6评测中获96.58分，超越传统流水线方法，实现低部署成本与高性能统一。HyperAI官网已上线该模型，并提供在线使用。

AFAC2026金融智能创新大赛聚焦真实金融场景，设定四个挑战，旨在推动AI在金融领域的应用。比赛强调基础研究，要求参赛者设计高效的文档解析系统，识别交易行为，优化上下文管理，促进产业与学术结合，展现AI在金融领域的潜力与挑战。

Claude Sonnet 5已在AI Gateway上线，相较于Sonnet 4.6在编码和代理工作上有显著提升，能够完成许多以前需要Opus模型的任务。该模型具有更强的指令遵循性、文档解析能力和长时记忆能力。启动定价为每百万输入令牌2美元，输出令牌10美元，有效期至2026年8月31日。使用时需在AI SDK中设置模型为anthropic/claude-sonnet-5。

PaddleOCR-VL-1.6正式发布，基于1.5版本进行了优化，文档解析性能显著提升，OmniDocBench v1.6指标突破96.3%。新版本支持异形框定位，增强了表格、古籍及生僻字的识别能力，模型结构保持一致，用户可快速适配。此外，PaddleOCR-VL系列与多家硬件及云平台合作，推动文档智能化转型。

PaddleOCR与CVHub合作推出X-AnyLabeling工具，支持PaddleOCR-VL-1.5模型，提升复杂文档的解析、复核和结构化导出能力。该工具简化了OCR数据准备流程，支持多任务解析，降低人工标注成本，助力开发者高效完成文档处理和数据沉淀。X-AnyLabeling被指定为PaddleOCR全球衍生模型挑战赛的官方标注平台。

4月25日，百度文心飞桨与OceanBase等企业在深圳举办技术活动，探讨AI Agent的演进及其在企业环境中的应用。专家分享了数据底座、文档资产化与智能硬件的结合。百度飞桨发布PaddleOCR 3.5，提升文档解析能力，助力企业将文档转化为知识资产，推动AI技术在真实场景中的落地。

PaddleOCR 3.5正式发布，新增PaddleOCR.js，支持浏览器端OCR功能，简化开发者体验。可将文档解析结果导出为Word和Markdown格式，并支持多种文档类型。此版本整合了Transformers推理引擎，提升了OCR能力的灵活性和兼容性，旨在降低AI应用开发门槛，推动OCR技术发展。

云知声发布了工业级文档智能基础大模型Unisound U1-OCR，标志着OCR 3.0时代的到来。该模型具备高效部署和强适配能力，支持金融、医疗等行业的复杂文档解析，提升了文档结构理解和阅读顺序恢复能力，解决了传统OCR的局限性，推动行业数字化转型。

PaddleOCR及其社区进行了多项功能和资源更新，包括提升文档解析体验、新增模型、丰富项目和数据集资源。推出了技术实战专栏，帮助开发者解决实际问题。同时，PaddleOCR OCEAN生态联盟成立，促进了社区的生态共建与技术发展。

华中科技大学与小红书hi lab联合开源了dots.mocr，旨在解决传统OCR在复杂文档解析中的不足。该工具能够将文字、图表等视觉元素解析为结构化数据，并转换为可编辑的SVG代码，提升文档理解和自动化处理能力。HyperAI官网已上线相关教程，用户可在线体验。

OpenClaw在开发者中越来越受欢迎，但许多人在使用时遇到问题。星河社区提供免费的CPU云端环境，帮助用户快速部署OpenClaw。文章介绍了如何配置和安装三个核心技能，使OpenClaw从“玩具”转变为“工具”，以解决文档解析和文字识别等实际问题。

01Agent是一款智能内容创作工具，结合PaddleOCR-VL-1.5和ERNIE-5.0，支持高效解析文档和二次创作。用户可上传图片和PDF，系统自动提取结构化信息，提升创作效率。通过识别与编辑图像元素，用户可以灵活修改内容，实现持续生产与复用。

OpenClaw推出了PaddleOCR文档解析技能，支持多种文档格式和语言，自动分析文档结构并输出结构化数据，降低集成成本，提高开发效率。PaddleOCR从独立服务转变为可组合的标准化节点，助力知识库构建和自动化处理。

RAGFlow是一款开源RAG引擎，集成了PaddleOCR-VL-1.5，提升了文档解析能力。新版本增强了复杂文档的结构化转换，支持多边形元素定位和跨页识别，确保高质量的语义切分和引用追溯，提高了文档型RAG的可用性与可信度，助力企业级知识管理。

PaddleOCR与Pathway深度集成，实现实时文档解析。通过PaddleOCRParser，Pathway高效处理动态文档，提供结构化数据，支持实时更新与索引，降低运维成本，提升系统可靠性，满足企业文档数字化需求。

PaddleOCR与Haystack深度集成，提升了文档解析能力，支持复杂文档的结构化处理。PaddleOCR-VL-1.5可直接接入Haystack Pipeline，实现高精度解析，优化RAG和Agent工作流，满足企业级应用需求。此集成简化了文档入库流程，提高了数据可追溯性和检索准确性，推动了AI在文档密集场景中的应用。