NVIDIA-Nemotron-Parse-2.0 vs PaddleOCR-VL: 조용한 도전자 vs 검증된 SOTA

문서 파싱은 오픈웨이트(open-weight) SOTA 경쟁의 한복판에 있으며, 두 경쟁자는 같은 조건에서 겨루고 있지 않다. 바이두(Baidu)의 PaddlePaddle 팀이 만든 0.9B 파서 PaddleOCR-VL은 OmniDocBench v1.6에서 96.33 종합 점수로 정상에 올라 있으며, 10개월 만에 세 번의 릴리스와 그 주변에 모인 OCR 최대 생태계를 자랑한다. 다른 경쟁자 NVIDIA-Nemotron-Parse-2.0은 2026년 8월 3일, 발표도 없이, 호스팅 엔드포인트도 없이 Hugging Face에 등장했다. 그 모델 카드의 수치를 NVIDIA 밖의 누구도 아직 검증하지 못했다. 이 두 가지 사실은 이 경쟁을 '기존 강자(incumbent)'의 문제로 만든다. 파이프라인의 파싱 단계를 어떤 오픈웨이트 파서에 맡길 것인가? 공개 리더보드 기록이 있는 쪽인가, 아니면 다른 모두가 어려워하는 언어들을 해결했다고 조용히 주장하며 출시된 쪽인가?

페이지 파서를 구축하는 두 가지 방법

두 모델 모두 약 0.9B 파라미터 규모이고, 둘 다 오픈 웨이트(open-weight)이며, 자체 호스팅을 염두에 두고 설계되었습니다. 그러나 두 모델은 정반대의 아키텍처 철학을 견지하고 있기 때문에 유사점은 여기까지입니다.

PaddleOCR-VL은 2단계 파이프라인입니다. 레이아웃 모델인 PP-DocLayoutV3가 먼저 페이지의 모든 요소를 감지하고 분류하며 읽기 순서를 예측합니다. 그런 다음에야 PaddleOCR-VL 비전-언어 모델(나비트(NaViT) 스타일의 동적 해상도 비전 인코더와 바이두의 경량 ERNIE-4.5-0.3B 언어 모델을 결합한 모델)이 텍스트, 표, 수식, 차트 등 각 영역을 인식합니다. 바이두는 이 분리 방식에 대해, 레이아웃과 인식을 분리하면 복잡한 다단 페이지에서 엔드투엔드 모델이 보이는 할루시네이션(hallucination) 및 요소 정렬 실패 모드를 피할 수 있다고 주장합니다.

NVIDIA-Nemotron-Parse-2.0는 반대의 선택입니다: 단일 종단 간(end-to-end) 모델입니다. NVIDIA의 C-RADIOv2 백본을 기반으로 구축된 ViT-H 비전 인코더는 10계층 mBART 스타일 디코더에 공급되며, 전체가 페이지 이미지를 한 번에 읽기 순서 텍스트, 경계 상자, 의미 클래스 및 마크다운으로 직접 매핑합니다. 설치, 조정 또는 버전 관리를 위한 별도의 레이아웃 단계는 없습니다.

사양서는 다음과 같이 명시되어 있습니다:

• 아키텍처 — PaddleOCR-VL: 레이아웃 검출(PP-DocLayoutV3)과 0.9B 인식 VLM(NaViT 인코더 + ERNIE-4.5-0.3B)로 구성. NVIDIA-Nemotron-Parse-2.0: 단일 0.9B 비전 인코더-디코더(ViT-H C-RADIOv2 + mBART 스타일 디코더).

• 출력 계약 — 두 방식 모두 리딩 순서 텍스트, 영역별 경계 상자와 의미 클래스, 마크다운을 반환한다. PaddleOCR-VL은 텍스트, 표, 수식, 차트, 스포팅, 인감 인식을 위한 작업별 프롬프트를 추가하며, Parse 2.0은 표를 LaTeX, HTML, markdown, JSON 또는 CSV로 출력하고 2.0에서 전용 차트 의미 클래스를 새로 갖추게 되었다.

• 컨텍스트 — PaddleOCR-VL 1.6은 최대 131,072개 토큰의 컨텍스트를 지원하며, Parse 2.0의 카드 문서 입력은 최대 2048×1664, 출력 상한은 9,000개 토큰입니다.

• 라이선스 — PaddleOCR-VL은 Apache 2.0이며, Parse 2.0은 NVIDIA Open Model License를 따릅니다(토크나이저는 CC-BY-4.0). 둘 다 상업적 사용을 허용합니다.

벤치마크 문제: 96.33% vs 아무도 확인할 수 없는 숫자

이 지점에서 매치업은 더 이상 단순한 비교가 아니라 소싱 문제가 됩니다.

PaddleOCR-VL의 현재 릴리스인 PaddleOCR-VL 1.6(2026년 5월 28일자)은 텍스트, 수식, 표 인식과 읽기 순서 예측을 포괄하는 OmniDocBench v1.6에서 96.33%를 기록했으며, 휘어지거나 기울어진 페이지와 화면 촬영 페이지를 위한 견고성 변형 벤치마크인 Real5-OmniDocBench에서는 93.19%를 기록했다. Baidu에 따르면 Real5-OmniDocBench에서 Gemini-3-Pro를 약 4포인트 차이로 앞선다고 한다. 이는 Baidu 자체 수치이지만, 해당 분야의 공용 공개 벤치마크에 보고된 결과이므로 MinerU 2.5-Pro, GLM-OCR 및 리더보드의 나머지 모델들과 순위를 비교할 수 있다.

NVIDIA-Nemotron-Parse-2.0은 다른 스위트에서 다른 수치들을 보고한다. ParseBench 종합 점수는 0.6391로, v1.2의 0.5782에서 상승했고, MOSCAR 다국어 F1은 0.9102로 0.4410에서 상승했으며, IndicVisionBench ANLS는 0.7203으로 0.0612에서 상승했다. OmniDocBench Notes 필기 편집 거리는 0.9739에서 0.3395로 감소했다. 이 모든 수치는 NVIDIA 자체 수치이며 모델 카드에 인쇄되어 있지만, 독립적으로 재현된 것은 하나도 없다. ParseBench는 NVIDIA의 스위트이고, MOSCAR와 IndicVisionBench는 전문 벤치마크 세트이다. PaddleOCR-VL이 최고를 차지하는 OmniDocBench 복합 벤치마크에서 Parse 2.0을 실행한 발표된 결과는 없으며, ParseBench에서 PaddleOCR-VL을 실행한 결과도 없다.

그래서 "누가 더 높은 점수를 받는지"에 대한 솔직한 답변은 아직 아무도 모른다는 것이고, 그 반대를 주장하는 사람은 서로 다른 잣대를 비교하고 있는 것이다. 유일하게 겹치는 지점은 OmniDocBench Notes의 손글씨 항목인데, Parse 2.0의 카드는 자체 이전 버전 대비 큰 편집 거리 개선을 주장하지만, 이는 작업 수준의 수치이지 PaddleOCR-VL이 보고하는 종합 점수가 아니다. 실제로 중요한 비대칭성은 구조적이다. PaddleOCR-VL의 96.33은 누구나 확인할 수 있는 리더보드 순위인 반면, Parse 2.0의 주장은 5일 된 저장소에 제3자 검증이 전혀 없는 상태다.

언어: 커버리지 대비 주장된 델타

두 모델 모두 언어로 피치를 시작하며, 둘 다 이야기를 가지고 있다 — 하지만 그 이야기들은 형태가 서로 다르다.

PaddleOCR-VL의 다국어 지원 이야기는 이미 출시된 적용 범위입니다: 109개 언어, 그리고 다국어 OCR이 가장 어려운 분야, 즉 중국 고대 문서, 희귀 한자, 인장 및 도장 인식, 세로 텍스트, 기울어지거나 접힌 페이지의 불규칙한 박스 위치 파악에 특히 깊이 있는 지원을 제공합니다. 바로 그 이유로 중국 문서 파이프라인 업계가 채택한 파서입니다.

NVIDIA-Nemotron-Parse-2.0의 이야기는 주장된 델타에 관한 것입니다. 어휘는 52,329개에서 72,256개 토큰으로 늘어났으며, 카드는 그 증가를 다국어 OCR 덕분으로 돌리면서 가장 큰 이득이 CJK 및 인도계 문자에서 나타났다고 주장합니다. MOSCAR가 0.44에서 0.91로, IndicVisionBench가 0.06에서 0.72로 오른 것은 이전에는 실패하던 문자들이 이제는 수용 가능하게 파싱된다는 주장입니다 — 벵골어, 힌디어, 텔루구어, 타밀어, 그리고 그 외 6개의 인도계 언어에 걸쳐서, 카드에 따르면.

어느 쪽이 중요한지는 파싱 대상에 따라 다릅니다. 말뭉치가 중국어 또는 광범위한 CJK 언어로 이루어져 있다면, PaddleOCR-VL은 검증되었고 리더보드에서도 뒷받침되는 선택이며, 유일한 실질적인 질문은 전체 파이프라인이 필요한지 아니면 모델만 필요한지입니다. 말뭉치가 인도계 언어(벵골어, 힌디어, 구자라트어, 칸나다어 및 그 주변 언어)에 가깝다면, Parse 2.0이 주장하는 델타는 해당 카드에서 가장 흥미로운 수치이며, 이는 정확히 여러분의 데이터에서 재현되거나 무너지는 종류의 주장입니다. 아직 공개 인도계 벤치마크에서 Parse 2.0을 실행한 사람은 없습니다.

성숙도 격차가 진짜 대가다.

두 모델 모두 페이지당 비용이 들지 않습니다. 둘 다 직접 서빙하는 무료 가중치이므로, 중요한 비용은 운영 비용이며, 그 부분에서 격차가 큽니다.

PaddleOCR-VL은 안정화된 플랫폼입니다. 기본 vLLM 지원은 프레임워크 자체에 포함되어 있습니다 (vllm/model_executor/models/paddleocr_vl.py, vLLM 0.11.1 이상). Baidu는 FastAPI 게이트웨이, 레이아웃 단계를 위한 Triton, VLM을 위한 vLLM을 갖춘 공식 고성능 배포판을 제공합니다. 커뮤니티 GGUF 양자화 버전도 있습니다. PaddleOCR-VL 1.5는 출시 첫날부터 AMD ROCm을 지원했습니다. 그리고 이 모델은 대부분의 사람들이 이미 사용하는 도구에 통합되어 있습니다. RAGFlow, MinerU, Umi-OCR, OmniParser 모두 이를 통합합니다. 아키텍처가 변경되지 않았으므로 1.5에서 1.6으로의 전환 비용은 0입니다.

NVIDIA-Nemotron-Parse-2.0은 출시된 지 5일밖에 안 되었고, 그게 티가 납니다. 이 모델을 서빙하려면 Nemotron Parse 원격 코드 지원이 포함된 vLLM 빌드, A100/A10급 하드웨어에서의 Triton 어텐션 백엔드, 그리고 네 가지 추가 의존성(albumentations, timm, open_clat_torch, einops)이 필요합니다. 이 모델은 출력 헤드를 디코더 임베딩에 연결된 상태로 유지하는데, 일부 vLLM 빌드는 NVIDIA가 포함한 런타임 패치를 추가하지 않으면 이를 제대로 처리하지 못합니다. 또한 제공되는 tokenizer.json에는 9,000개의 토큰으로 패딩이 내장되어 있습니다 — 8월 초에 Dynamo 유지보수 담당자가 짧은 프롬프트가 수만 개의 토큰 ID로 부풀어 오르는 실제 사례를 겪었습니다. 이 중 어느 것도 치명적이지는 않지만, 모두 안정된 플랫폼이라면 요구하지 않을 엔지니어링 시간입니다. 또한 2.0에는 호스팅 엔드포인트도 없고 NIM 패키징도 제공되지 않아, 셀프 호스팅이 유일한 선택지입니다.

속도: 둘 다 빠르고, 하나는 주장됨

페이지 파서에게 처리량은 곧 돈이 되는 수치입니다. PaddleOCR-VL의 대표 수치는 단일 A100에서 초당 약 1,881토큰으로, v1.0 출시 당시 주장된 이후 여전히 공급업체 보고 수치로만 남아 있습니다. 0.9B 모델이 대용량 OCR에 일상적으로 사용될 만큼 빠른 속도입니다. NVIDIA-Nemotron-Parse-2.0은 0.9B 엔드투엔드 모델이라 구조상 빠르며, 생태계는 이미 더 나아가고 있습니다. 8월 5일 기준 검토 중인 vLLM 풀 리퀘스트는 NVIDIA가 가중치와 함께 제공하는 보조 예측 헤드를 사용한 추측 디코딩을 활성화하며, ParseBench의 1,005페이지를 대상으로 H100에서 동시성 1일 때 중간 출력 처리량이 45.65%, 동시성 8일 때 40.85%, 동시성 32일 때 39.60% 향상되었다고 보고합니다. 해당 PR은 병합되지 않았고 재현되지도 않았으므로, 이 백분율 수치는 인용할 수 있는 벤치마크가 아니라 방향성을 보여주는 참고 자료로만 취급하십시오.

누가 무엇을 골라야 할까요?

• 이번 분기에 바로 사용할 수 있는 파싱 단계가 필요하다면 PaddleOCR-VL을 선택하세요: 중국어 또는 다국어 CJK 문서, SOTA 수준의 표 및 수식 추출, vLLM 또는 Docker 배포, 그리고 회의에서 언급할 수 있는 리더보드 기록이 필요할 때입니다. 이는 저위험 프로덕션 선택이며, 말뭉치가 대부분 CJK인 모든 사람에게 적합한 답입니다.

• 이미 Nemotron Parse 제품군을 자체 호스팅하고 있다면 NVIDIA-Nemotron-Parse-2.0을 선택하세요. 2.0은 동일한 API 형태를 가진 드롭인 업그레이드입니다. 만약 말뭉치에 인도계 문자나 필기체 비중이 높고 해당 카드의 델타가 재현되는지 테스트하고 싶다면, 또는 전용 차트 의미 클래스가 실제 엔지니어링 시간을 들일 가치가 있는지 확인하고 싶다면 말입니다. 얼리 어답터가 겪을 마찰 비용을 예산에 포함하고, 직접 평가 전에는 프로덕션 경로로 결정하지 마세요.

• 파이프라인이 정말로 "파서, 그다음 LLM" 형태라면 중간 길을 택하세요 — 대부분이 그렇습니다. 파서는 한 단계이고, 마크다운을 요약하거나 필드를 추출하거나 검색 질문에 답하는 모델은 별도의 단계입니다. 그리고 그 두 번째 단계에서 라우팅 플랫폼이 제 역할을 합니다. 이 비교에서 어느 파서도 OrcaRouter에 있지 않습니다 — 둘 다 자체 호스팅 오픈 가중치입니다 — 하지만 그 주변의 레이어가 바로 OrcaRouter가 존재하는 이유입니다: 200개 이상의 모델을 하나의 API 뒤에서 제공업체 목록 가격으로 이용할 수 있고, 0% 마크업이라 공급업체의 가격 인하가 발표된 당일에 바로 적용되며, 특정 제공업체가 성능 저하를 보이면 자동 장애 조치가 됩니다. 이 조언의 실용적 버전: 검증되지 않은 파서에 파이프라인을 걸기로 했다면, 그 주변의 모든 것을 교체 가능하게 유지하세요. 그래야 Parse 2.0에서 PaddleOCR-VL이나 다른 LLM으로 장애 조치하는 것이 재작성이 아니라 라우팅 변경이 됩니다.

핵심 요점

여기서의 선택은 실제로 두 모델 사이의 문제가 아니라, 공개된 기록과 사적인 주장 사이의 문제입니다. PaddleOCR-VL 1.6은 검증된 오픈 가중치 SOTA입니다: OmniDocBench v1.6에서 96.33, 109개 언어, 안정적인 서빙 스택, 그리고 이미 그 주변에 구축된 생태계를 갖추고 있습니다. NVIDIA-Nemotron-Parse-2.0은 조용한 도전자입니다: 출시 5일, 공식 발표 없음, 자체 호스팅 전용, 그리고 아무도 검증하지 않은 매우 큰 다국어 및 손글씨 성능 향상을 주장하는 모델 카드를 가지고 있습니다. 96.33과 0.6391은 직접 비교할 수 없으며, 그렇지 않은 척하는 것이 팀들이 서로 다른 의미를 가진 숫자를 인용하게 되는 이유입니다. 오늘 출시한다면 PaddleOCR-VL을 선택하세요. 다국어 주장이 여러분의 코퍼스가 테스트하는 대상이라면, 조용한 도전자는 여러분의 문서에서 저렴한 주말 평가입니다. 그 차이는 재현되거나 무너지거나 하는 종류이며, 조용한 릴리스가 어느 쪽인지 알아내는 가장 저렴한 방법입니다.

자주 묻는 질문

오늘 단일 벤치마크에서 PaddleOCR-VL과 NVIDIA-Nemotron-Parse-2.0을 비교할 수 있나요?

의미 있는 비교가 아닙니다. PaddleOCR-VL의 96.33은 OmniDocBench v1.6 복합 지표로, 해당 분야의 공용 공개 벤치마크입니다. 반면 Parse 2.0의 수치는 ParseBench(NVIDIA 자체 스위트), MOSCAR, IndicVisionBench, 그리고 OmniDocBench 필기체 하위 집합으로, 모두 공급업체가 보고한 것입니다. OmniDocBench 복합 지표에 대해 Parse 2.0을 독립적으로 실행한 결과는 없으며, ParseBench에 대해 PaddleOCR-VL을 실행한 결과도 없습니다. 유일한 겹침은 OmniDocBench Notes의 필기체 부분인데, 거기서도 두 모델은 서로 다른 종류의 점수를 보고합니다. 제3자가 공용 벤치마크에서 Parse 2.0을 실행하기 전까지는 그 비교는 사과와 오렌지를 비교하는 것과 같습니다.

어떤 모델이 중국어 및 기타 CJK 문서를 더 잘 처리하나요?

현재 시점에서 PaddleOCR-VL은 증거상으로 따라잡을 수 없는 수준입니다. 바이두의 모델은 CJK에 특화되어 있으며, 해당 분야가 기준으로 삼는 벤치마크에서 공개 SOTA를 보유하고 있고, 중국 고대 문서, 희귀 문자, 전서(篆書) 인식에 있어 문서화된 강점을 지니고 있습니다. NVIDIA-Nemotron-Parse-2.0의 카드는 v1.2 대비 대규모 CJK 및 인도 문자(Indic) 개선을 주장하지만, 해당 수치는 벤더가 보고한 것이며 독립적으로 검증되지 않았습니다. 그 주장은 그러한 스크립트를 다루는 경우 테스트해볼 가치가 있지만, 아직 신뢰할 만한 결과는 아닙니다.

두 모델 모두 무료로 사용할 수 있나요? 그리고 어떻게 실행하나요?

둘 다 상업적 사용이 허용된 무료 가중치입니다. PaddleOCR-VL은 Apache 2.0에 따라, Parse 2.0은 NVIDIA Open Model License에 따라 배포되지만, 둘 다 라우팅 플랫폼에서 호스팅되는 API가 아니며, Parse 2.0에는 호스팅 옵션이 전혀 없습니다. PaddleOCR-VL은 vLLM에서 네이티브로 실행되며, 바이두의 공식 Docker 배포와 PaddleOCR 웹사이트 및 바이두 클라우드 API를 통해서도 실행할 수 있습니다. Parse 2.0은 Nemotron Parse 원격 코드를 지원하는 vLLM 빌드, tied-output-head 패치, 그리고 토크나이저 수정을 갖춘 환경에서 자체 호스팅해야 합니다. 어느 쪽이든 파싱 단계는 사용자의 몫입니다. 라우팅 계층이 추가하는 것은 그 뒤의 LLM 단계이며, 여기서는 파이프라인을 재설계하지 않고도 모델을 교체할 수 있는 자유가 필요합니다.