NVIDIA-Nemotron-Parse-2.0 versus PaddleOCR-VL: De stille uitdager versus de bewezen SOTA

Documentparsing bevindt zich midden in een open-weight-SOTA-race, en de twee deelnemers spelen niet op hetzelfde veld. PaddleOCR-VL, de 0,9B-parser van Baidu's PaddlePaddle-team, staat met een samengestelde score van 96,33 bovenaan OmniDocBench v1.6, telt drie releases in tien maanden en heeft het grootste ecosysteem in de OCR om zich heen verzameld. NVIDIA-Nemotron-Parse-2.0, de andere deelnemer, verscheen op 3 augustus 2026 op Hugging Face, zonder aankondiging, zonder gehoste endpoint, en met een modelkaart waarvan de cijfers buiten NVIDIA nog door niemand zijn geverifieerd. Die twee feiten maken dit tot de gevestigde-orde-vraag: op welke open-weight-parser zet je in voor de parsingfase van je pijplijn — op degene met een publiek leaderboard-record, of op degene die stilletjes is uitgebracht met de bewering dat het de talen heeft opgelost waar iedereen anders mee worstelt?

Twee manieren om een paginaparser te bouwen

Beide modellen hebben rond de 0,9B parameters, beide zijn open-weight en beide zijn gebouwd om zelf te hosten. Daar houdt de gelijkenis op, want de twee staan lijnrecht tegenover elkaar qua architectuurfilosofie.

PaddleOCR-VL is een tweetrapspijplijn. Een layoutmodel, PP-DocLayoutV3, detecteert eerst elk element op een pagina, classificeert het en voorspelt de leesvolgorde. Pas daarna herkent het PaddleOCR-VL-visie-taalmodel — een NaViT-achtige vision-encoder met dynamische resolutie, gekoppeld aan Baidu's lichtgewicht ERNIE-4.5-0.3B-taalmodel — elk gebied: de tekst, de tabellen, de formules, de grafieken. Baidu's argument voor de splitsing is dat het scheiden van layout en herkenning de hallucinatie- en element-misuitlijningsfouten vermijdt die end-to-end-modellen vertonen op complexe pagina's met meerdere kolommen.

NVIDIA-Nemotron-Parse-2.0 is de tegenovergestelde weddenschap: een enkel end-to-end model. Een ViT-H-beeldencoder gebouwd op NVIDIA's C-RADIOv2-backbone voedt een tienlaagse mBART-achtige decoder, en het geheel zet een pagina-afbeelding direct om naar leesvolgorde-tekst, begrenzingskaders, semantische klassen en markdown in één keer. Er is geen aparte layoutfase om te installeren, af te stemmen of te versiebeheren.

Het specificatieblad luidt als volgt:

• Architectuur — PaddleOCR-VL: layoutdetectie (PP-DocLayoutV3) plus een 0.9B herkennings-VLM (NaViT-encoder + ERNIE-4.5-0.3B). NVIDIA-Nemotron-Parse-2.0: één 0.9B vision-encoder-decoder (ViT-H C-RADIOv2 + mBART-stijl decoder).

• Outputcontract — beide retourneren leesvolgordetekst, een bounding box en een semantische klasse per regio, en markdown. PaddleOCR-VL voegt taakspecifieke prompts toe voor tekst-, tabel-, formule-, grafiek-, spotting- en zegelherkenning; Parse 2.0 genereert tabellen als LaTeX, HTML, markdown, JSON of CSV en kreeg in 2.0 een speciale semantische klasse voor grafieken.

• Context — PaddleOCR-VL 1.6 ondersteunt tot 131.072 tokens aan context; de carddocumenten van Parse 2.0 ondersteunen invoer tot 2048×1664 en een uitvoerplafond van 9.000 tokens.

• Licentie — PaddleOCR-VL valt onder Apache 2.0; Parse 2.0 valt onder de NVIDIA Open Model License, met de tokenizer onder CC-BY-4.0. Beide staan commercieel gebruik toe.

Het benchmarkprobleem: 96,33% versus een getal dat niemand kan controleren.

Dit is het punt waarop de vergelijking ophoudt een vergelijking te zijn en een inkoopvraag wordt.

De huidige release van PaddleOCR-VL, PaddleOCR-VL 1.6, gedateerd 28 mei 2026, rapporteert 96,33% op OmniDocBench v1.6 — een combinatie van tekst-, formule- en tabelherkenning plus voorspelling van de leesvolgorde — en 93,19% op Real5-OmniDocBench, een robuustheidsvariant voor vervormde, scheve en vanaf het scherm gefotografeerde pagina's, waar Baidu zegt dat het Gemini-3-Pro met bijna vier punten voorblijft. Dat zijn Baidu's eigen cijfers, maar ze worden gerapporteerd op de gedeelde openbare benchmark van het vakgebied, en daarom kunnen ze worden afgezet tegen MinerU 2.5-Pro, GLM-OCR en de rest van de ranglijst.

NVIDIA-Nemotron-Parse-2.0 rapporteert een andere set getallen op een andere suite. ParseBench algemeen 0,6391, gestegen van 0,5782 op v1.2; MOSCAR meertalige F1 0,9102, gestegen van 0,4410; IndicVisionBench ANLS 0,7203, gestegen van 0,0612; en OmniDocBench Notes handschrift-bewerkingsafstand gedaald naar 0,3395 van 0,9739. Elk daarvan is van NVIDIA zelf, afgedrukt op de modelkaart, en geen enkele is onafhankelijk gereproduceerd. ParseBench is de suite van NVIDIA; MOSCAR en IndicVisionBench zijn specialistische sets. Er is geen gepubliceerde run van Parse 2.0 op de OmniDocBench-composiet die PaddleOCR-VL aanvoert, en geen run van PaddleOCR-VL op ParseBench.

Dus het eerlijke antwoord op "wie scoort hoger" is dat niemand het nog weet, en wie het tegendeel beweert, vergelijkt verschillende meetlatten. Het enige overlappende punt is handschrift in OmniDocBench Notes, waar de kaart van Parse 2.0 een grote verbetering in bewerkingsafstand claimt ten opzichte van zijn eigen voorganger — maar dat is een getal op taakniveau, niet de samengestelde score die PaddleOCR-VL rapporteert. De asymmetrie die er echt toe doet, is structureel: de 96.33 van PaddleOCR-VL is een leaderboardpositie die iedereen kan opzoeken, terwijl de claims van Parse 2.0 afkomstig zijn van een vijf dagen oud repository met nul controles door derden.

Talen: dekking vs geclaimde deltas

Beide modellen leiden hun pitch met talen, en beide hebben een verhaal — maar de verhalen hebben verschillende vormen.

PaddleOCR-VL's meertalige verhaal is dekking die al wordt meegeleverd: 109 talen, met bijzondere diepgang waar meertalige OCR het moeilijkst is — Chinese oude documenten, zeldzame Chinese karakters, zegel- en stempelherkenning, verticale tekst, en lokalisatie van onregelmatige kaders voor gekantelde of gevouwen pagina's. Het is de parser die de wereld van Chinese documentverwerking om precies die reden heeft omarmd.

Het verhaal van NVIDIA-Nemotron-Parse-2.0 is een geclaimde delta. De woordenschat groeit van 52.329 naar 72.256 tokens, en de kaart schrijft de groei toe aan meertalige OCR, met de grootste winsten geclaimd op CJK- en Indiase schriften. De sprong van MOSCAR van 0,44 naar 0,91 en van IndicVisionBench van 0,06 naar 0,72 zijn beweringen dat de schriften die vroeger faalden nu acceptabel parseren — in het Bengaals, Hindi, Telugu, Tamil en nog zes Indiase talen, volgens de kaart.

Welke van de twee van belang is, hangt af van wat je parseert. Als je corpus Chinees is of breder CJK, is PaddleOCR-VL de bewezen, door leaderboards onderbouwde keuze, en de enige echte vraag is of je de volledige pipeline nodig hebt of alleen het model. Als je corpus hoofdzakelijk Indische talen bevat — Bengaals, Hindi, Gujarati, Kannada en aanverwante talen — is de geclaimde delta van Parse 2.0 het meest interessante getal op zijn kaart, en het is precies het soort bewering dat op jouw data ofwel repliceert ofwel instort. Niemand heeft Parse 2.0 nog op een openbare Indic-benchmark uitgevoerd.

De looptijdkloof is de echte prijs

Geen van beide modellen kost iets per pagina — beide zijn gratis gewichten die je zelf serveert — dus de prijs die telt is de operationele, en daar is de kloof groot.

PaddleOCR-VL is een gevestigd platform. Native vLLM-ondersteuning zit in het framework zelf (vllm/model_executor/models/paddleocr_vl.py, vLLM 0.11.1 of later); Baidu levert een officiële high-performance implementatie met een FastAPI-gateway, Triton voor de layoutfase en vLLM voor de VLM; er zijn GGUF-kwantificaties van de community; PaddleOCR-VL 1.5 bood vanaf dag één ondersteuning voor AMD ROCm; en het model is ingebouwd in de tools die de meeste mensen al draaien — RAGFlow, MinerU, Umi-OCR en OmniParser integreren het allemaal. De overstap van 1.5 naar 1.6 kost niets omdat de architectuur ongewijzigd is.

NVIDIA-Nemotron-Parse-2.0 is vijf dagen oud en dat is te merken. Het serveren ervan betekent een vLLM-build met remote-code-ondersteuning voor Nemotron Parse, de Triton-aandachtsbackend op A100/A10-klasse hardware, en vier extra afhankelijkheden (albumentations, timm, open_clip_torch, einops). Het model houdt zijn output-head gekoppeld aan de decoder-embeddings, wat sommige vLLM-builds verkeerd afhandelen, tenzij je de bijgeleverde runtime-patch van NVIDIA toevoegt. En de meegeleverde tokenizer.json heeft padding ingebakken tot 9.000 tokens — een Dynamo-onderhouder kwam begin augustus een live geval tegen waarbij een korte prompt opzwol tot tienduizenden token-ID's. Niets hiervan is fataal; het is allemaal technische tijd die een stabiel platform nooit vraagt. Er is ook geen gehost eindpunt en geen NIM-pakket vermeld voor 2.0, dus self-hosting is de enige optie.

Snelheid: beide snel, één claimde

Voor een paginaparser is doorvoer het getal dat {{1}}geld oplevert{{/1}}. Het belangrijkste cijfer van PaddleOCR-VL is ongeveer 1.881 tokens per seconde op een enkele A100, geclaimd bij de v1.0-lancering en nog steeds alleen door de leverancier gerapporteerd — snel genoeg zodat het 0,9B-model {{2}}routinematig wordt gebruikt voor OCR met hoge volumes{{/2}}. NVIDIA-Nemotron-Parse-2.0 is een end-to-endmodel van 0,9B, dus het is {{3}}van nature snel{{/3}}, en het ecosysteem gaat al {{4}}verder{{/4}}: een vLLM-pullrequest dat sinds 5 augustus in review is, {{5}}maakt speculatieve decodering mogelijk via de extra voorspellingskop die NVIDIA samen met de gewichten levert{{/5}}, en rapporteert mediane output-doorvoerwinsten van 45,65% bij concurrency 1, 40,85% bij concurrency 8 en 39,60% bij concurrency 32 op een H100 over de 1.005 pagina's van ParseBench. Dat PR is niet gemerged en niet gereproduceerd — {{6}}beschouw de percentages als richtinggevend interessant, niet als een benchmark die je kunt citeren{{/6}}.

Wie moet welke kiezen

• Kies voor PaddleOCR-VL als je een parsingfase nodig hebt die dit kwartaal werkt: Chinese of meertalige CJK-documenten, extractie van tabellen en formules op SOTA-niveau, vLLM- of Docker-implementatie, en een leaderboard-record waarnaar je in een vergadering kunt verwijzen. Het is de productiekeuze met laag risico, en het is het antwoord voor iedereen wiens corpus overwegend CJK is.

• Kies NVIDIA-Nemotron-Parse-2.0 als je de Nemotron Parse-familie al zelf host — 2.0 is een drop-in-upgrade met dezelfde API-vorm — als je corpus veel Indic-schriften of handschrift bevat en je wilt testen of de delta's van de kaart zich herhalen, of als een speciale semantische klasse voor grafieken echte technische tijd waard is. Houd rekening met de wrijving voor vroege gebruikers en zet er geen productietraject op in voordat je je eigen evaluatie hebt uitgevoerd.

• Kies het middenpad als je pijplijn echt "parser, dan LLM" is — wat de meeste zijn. De parser is één fase; het model dat de markdown samenvat, velden extraheert of retrievalvragen beantwoordt is een aparte fase, en die tweede fase is waar een routeringsplatform zijn bestaansrecht verdient. Geen van beide parsers in deze vergelijking draait op OrcaRouter — beide zijn zelfgehoste open-weights — maar de laag eromheen is precies waar OrcaRouter voor bedoeld is: 200+ modellen achter één API tegen de lijstprijs van de provider, 0% opslag, zodat een prijsverlaging van een leverancier dezelfde dag dat deze wordt aangekondigd live is, en automatische failover als een provider degradeert. De praktische versie van dat advies: als je een pijplijn gaat laten draaien op een onbewezen parser, houd alles eromheen vervangbaar, zodat de overstap van Parse 2.0 naar PaddleOCR-VL of naar een andere LLM een routeringswijziging is in plaats van een herschrijving.

Kortom

De keuze hier is niet echt tussen twee modellen — het is tussen een openbaar verslag en een privéclaim. PaddleOCR-VL 1.6 is de bewezen open-gewicht SOTA: 96,33 op OmniDocBench v1.6, 109 talen, een stabiele serving-stack, en het ecosysteem dat er al omheen is gebouwd. NVIDIA-Nemotron-Parse-2.0 is de stille uitdager: vijf dagen oud, onaangekondigd, alleen self-hosted, met een modelkaart die zeer grote meertalige en handschriftverbeteringen claimt die niemand heeft geverifieerd. De 96,33 en de 0,6391 kunnen niet direct worden vergeleken, en doen alsof dat wel kan is hoe teams eindigen met het citeren van getallen die verschillende dingen betekenen. Als je vandaag iets uitbrengt, breng dan PaddleOCR-VL uit. Als de meertalige claim hetgene is waar jouw corpus op test, is de stille uitdager een goedkope weekend-evaluatie op je eigen documenten — de verschillen zijn van het soort dat zich ofwel herhaalt ofwel instort, en een stille release is de goedkoopste manier om te ontdekken welke.

Veelgestelde vragen

Kan ik PaddleOCR-VL en NVIDIA-Nemotron-Parse-2.0 vandaag op één benchmark vergelijken?

Niet echt zinvol. De 96,33 van PaddleOCR-VL is een OmniDocBench v1.6-composiet — de gedeelde publieke benchmark van het vakgebied — terwijl de cijfers van Parse 2.0 afkomstig zijn van ParseBench (NVIDIA's eigen suite), MOSCAR, IndicVisionBench en een OmniDocBench-handschriftsubset, allemaal door de leverancier gerapporteerd. Er bestaat geen onafhankelijke run van Parse 2.0 op het OmniDocBench-composiet, en geen run van PaddleOCR-VL op ParseBench. De enige overlap is handschrift op OmniDocBench Notes, en zelfs daar rapporteren de twee modellen verschillende soorten scores. Totdat een derde partij Parse 2.0 op de gemeenschappelijke benchmark draait, blijft het appels met peren vergelijken.

Welk model verwerkt Chinese en andere CJK-documenten beter?

Met ingang van vandaag, PaddleOCR-VL, en het is op basis van bewijs niet eens dichtbij. Baidu's model is CJK-native, heeft de publieke SOTA op de benchmark waarop het veld rangschikt, en heeft gedocumenteerde sterkte in Chinese oude documenten, zeldzame karakters en herkenning van zegelschrift. De modelkaart van NVIDIA-Nemotron-Parse-2.0 claimt grote CJK- en Indic-winsten ten opzichte van v1.2, maar die cijfers zijn door de leverancier gerapporteerd en zijn niet onafhankelijk getest. De bewering is het testen waard als je die scripts parseert; het is nog geen resultaat waarop je kunt vertrouwen.

Zijn beide modellen gratis te gebruiken, en hoe voer ik ze uit?

Beide zijn vrije gewichten waarvoor commercieel gebruik is toegestaan — PaddleOCR-VL onder Apache 2.0, Parse 2.0 onder de NVIDIA Open Model License — maar geen van beide is een gehoste API op een routeringsplatform, en Parse 2.0 heeft helemaal geen gehoste optie. PaddleOCR-VL draait native in vLLM, in de officiële Docker-implementatie van Baidu, en via de PaddleOCR-website en de cloud-API van Baidu. Parse 2.0 moet zelf worden gehost met een vLLM-build die Nemotron Parse remote code ondersteunt, plus de tied-output-head-patch en een tokenizer-fix. De parsing-fase ligt in beide gevallen bij jou; wat een routeringslaag toevoegt is de LLM-fase daarna, waar je de vrijheid wilt hebben om modellen te wisselen zonder de pijplijn opnieuw te ontwerpen.