0.9B PaddleOCR-VL 登顶 SOTA！GPUStack 高效推理部署实战指南

在全球多模态文档解析的激烈竞赛中，百度凭借 PaddleOCR-VL 模型给行业投下了一颗重磅炸弹。这个仅有 0.9B 参数量的轻量级多模态模型，不仅在 OmniDocBench V1.5 榜单上以 92.6 的综合得分登顶全球，更在文本识别、公式识别、表格理解和阅读顺序四大核心能力上全面斩获 SOTA，刷新了文档解析领域的性能天花板。

PaddleOCR-VL 的核心组件是 PaddleOCR-VL-0.9B，它创新性地将 NaViT 风格的动态分辨率视觉编码器与轻量级 ERNIE-4.5-0.3B 语言模型相结合，兼具结构理解力与资源效率。它不仅能精准解析多栏报纸、嵌套表格、数学公式，还能智能还原文档阅读顺序，在真实复杂场景下展现出了近乎人类级的理解能力。支持 109 种语言的它，堪称当前最灵活、最强大的文档解析模型之一。

如何在本地或集群环境中高效、稳定地部署这一 SOTA 模型？本文将详细演示如何通过 GPUStack 平台，在本地环境中完成 PaddleOCR-VL 模型的推理部署，并展示其在真实文档解析任务中的表现。

部署 GPUStack

首先，参考 GPUStack 官方文档完成安装（https://docs.gpustack.ai/latest/installation/nvidia-cuda/online-installation/）。推荐容器化部署方式，在 NVIDIA GPU 服务器上，根据文档要求完成对应版本的 NVIDIA 驱动、Docker 和 NVIDIA Container Toolkit 安装后，通过 Docker 启动 GPUStack 服务。

以下测试在 NVIDIA RTX4090 GPU 上进行：

检查 NVIDIA 驱动和 NVIDIA Container Toolkit 已正常安装配置：

nvidia-smi >/dev/null 2>&1 && echo "NVIDIA driver OK" || (echo "NVIDIA driver issue"; exit 1) && docker info 2>/dev/null | grep -q "Default Runtime: nvidia" && echo "NVIDIA Container Toolkit OK" || (echo "NVIDIA Container Toolkit not configured"; exit 1)

部署 GPUStack：

docker run -d --name gpustack \
    --restart=unless-stopped \
    --gpus all \
    --network=host \
    --ipc=host \
    -v gpustack-data:/var/lib/gpustack \
    gpustack-registry.cn-hangzhou.cr.aliyuncs.com/gpustack/gpustack:v0.7.1-paddle-ocr \
    --disable-rpc-servers

查看容器日志，确认 GPUStack 已正常运行：

docker logs -f gpustack

若容器日志显示服务启动正常，使用以下命令获取 GPUStack 控制台的初始登录密码：

docker exec -it gpustack cat /var/lib/gpustack/initial_admin_password

GPUStack 会在部署模型时进行兼容性检查，PaddleOCR-VL 的模型架构目前尚未在 GPUStack 正式版本中支持，需要用自定义的 vLLM 版本绕过架构检查，执行以下命令在 /var/lib/gpustack/bin/ 目录下创建自定义 vLLM 版本的软链：

docker exec -it gpustack ln -sf /usr/local/bin/vllm /var/lib/gpustack/bin/vllm_paddle_ocr

在浏览器中通过服务器 IP 和 80 端口访问 GPUStack 控制台（http://YOUR_HOST_IP），使用默认用户名 admin 和上一步获取的初始密码登录。登录 GPUStack 后，在资源菜单可查看节点的 GPU 资源：

下载 PaddleOCR-VL 模型

在 GPUStack UI，导航到 资源 - 模型文件，选择添加模型文件，可以选择从 Hugging Face 或 ModelScope 联网搜索并下载 PaddleOCR-VL 模型。国内网络建议从 ModelScope 下载：

等待模型下载完成：

部署 PaddleOCR-VL 模型

确认模型下载完成后，点击模型文件右侧的部署按钮，部署模型。由于 PaddleOCR-VL-0.9B 模型位于下载的模型目录的 PaddleOCR-VL-0.9B 子目录下，需要修改为指向该目录进行部署。

在模型路径输入框，将子路径补充完整：

/var/lib/gpustack/cache/model_scope/PaddlePaddle/PaddleOCR-VL/PaddleOCR-VL-0.9B

展开高级配置，设置模型类别为 LLM。在后端版本中，填写自定义的后端版本为 paddle_ocr（指向前面步骤软链的 /var/lib/gpustack/bin/vllm_paddle_ocr），GPUStack 会自动调用运行模型。

在后端参数设置以下启动参数：

--trust-remote-code（兼容性检查提示需要信任自定义代码执行）

--max-model-len=32768 （设置上下文大小）

--chat-template=/opt/templates/chat_template.jinja （设置该模型要求的 Chat Template）

vLLM 默认占用 GPU 的90%显存，若需要部署多个模型，可以通过 --gpu-memory-utilization 参数手动控制模型的 GPU 分配比例（取值范围 0~1）：

保存部署，等待模型启动完成，确认模型正常运行（Running）：

然后可以在试验场测试模型，更多用法参考 PaddleOCR-VL 官方文档：

https://www.paddleocr.ai/latest/en/version3.x/pipeline_usage/PaddleOCR-VL.html

OCR 效果测试

注意：为确保测试效果，推荐按照 PaddleOCR-VL 官方文档说明，将 Temperature 设置为 0.1，Top P 设置为 0.95。

综合文档解析

文本

表格

公式

图表

在大模型与推理技术高速演进的浪潮中，新模型层出不穷，推理框架和技术路线也愈加多元。不同模型往往需要特定的后端、配置或依赖，如何在不牺牲灵活性和性能的前提下快速接入并高效运行，已经成为构建 AI 基础设施的关键课题。

在此背景下，GPUStack 正在加速迭代。下一个版本，我们将引入可插拔后端机制与通用 API 代理 —— 让用户能够自由定制任意的推理引擎与运行配置，像搭积木一样灵活打造 MaaS 平台。无论是前沿大模型，还是传统机器学习模型，都能在同一平台上被快速加载、无缝调用。

让每一个开发者、每一家企业，都能更轻松地跟上大模型技术的快速更迭，将创新更快地落地到真实场景中。我们共同见证 GPUStack 的下一次蜕变！