比Mathpix更强大的公式识别神器，全免费！

 

今天这篇文章大家一定要仔细看看，说不定不仅能帮你省下不少钱，还能让科研论文写作事半功倍！

本周末，在忙于项目的间隙，朋友突然给我分享了一个新发现。

他说，PaddleOCR 最近推出了一个新模型——PaddleOCR-VL，在公式识别领域表现极其优秀，甚至超过国内外那些闭源的顶级大模型，比如 Gemini 3.0、GPT 5.2 等。

 

我们的部分聊天截图如下：

 

 

预测结果截图：

 

 

 

提到公式识别，业内公认的领头羊自然是 Mathpix，虽然付费，但是效果很好。

 

于是我第一时间向他推荐了 Mathpix。没想到朋友告诉我，他已经做过对比测试，结果 PaddleOCR-VL 的准确率更高，并发来了一组实验结果：

 

 

 

Mathpix 预测结果截图：

 

 

 

Mathpix 竟然错了不少，但是 PaddleOCR-VL 能全对？

 

这下我的兴趣彻底被调动起来。作为科研工作者，公式识别工具基本是日常刚需，Mathpix 也早已成为许多人的“标配”。如果真有新模型能够超越它，还是开源免费的，那我必须亲自试试。

 

 

 

我的测试过程

 

我还是第一次知道 PaddleOCR 有官网了，之前只知道是 GitHub 一个挺火的开源项目，用的人很多，但是没办法直接在线体验模型效果。

 

我打开了 PaddleOCR的官网（www.paddleocr.com），界面设计简洁明了，支持文件上传与模型选择，默认模型为 PaddleOCR-VL。

 

网站首页还特意写着：“文档解析的事，交给 PaddleOCR”，颇有自信。

 

 

 

首先，我用论文中的印刷公式做了测试，结果全部识别正确，基础能力非常扎实。

 

随后，我又手写了两个公式，依然全部准确识别：

 

这让我格外惊喜。毕竟，很多专业的公式识别软件（包括 Mathpix）在手写公式领域表现并不理想。

 

于是，我决定进一步“刁难”一下 PaddleOCR-VL，看看它在更复杂的场景下能否保持水准。

 

第一组测试，我选择了一个超长的复杂公式：

 

预测结果：

 

 

 

真没想到，依旧完全正确。识别的结果可以直接粘贴到 oveleaf 中进行编辑，再也不用为编写复杂的公式 latex 代码而头疼了。

 

不甘心的我，又拿出了“祖传难题”：一个既包含公式又有合并单元格的样本。年初时几乎没有模型能完美处理这个样本。

 

原图如下：

 

 

PaddleOCR-VL 的预测结果如下：

 

 

 

结果让我十分震撼，没有任何识别错误。唯一的小遗憾是部分公式没有换行，但这并不影响准确性。

 

再看 Mathpix 的结果：

 

 

 

可以看到，右侧红框中的合并单元格处理失误，下方单元格也丢失了部分关键公式。

 

经过一系列测试，我基本可以确认：在公式识别领域，PaddleOCR-VL 的表现的确非常强劲，能够与全球所有主流开源、闭源模型相媲美。

 

更令人惊喜的是，这个模型体积很小，完全开源，支持本地部署，非常适合有特殊需求的用户。

 

进一步测试

PaddleOCR 官网提供了非常便捷的结果复制功能。比如刚刚识别的公式，可以一键复制 Latex 格式，轻松粘贴到各类编辑器中。

 

不过，如果需要批量处理公式，手动上传和复制依然会有瓶颈。好在 PaddleOCR 官网还开放了 API，可以直接调用模型进行批量预测。

 

 

 

注意到每位用户每天有 3000 页的免费额度，甚至还能申请更多，诚意十足。 

 

🔗申请链接为：

https://paddle.wjx.cn/vm/mePnNLR.aspx?udsid=717896

 

我在本地通过 Python API 进行了测试，模型预测速度很快，复杂公式一般 1 秒左右就能完成，比很多商业产品还要高效。API 返回的公式 VSCode 中渲染出来也完全正确，体验非常完美。

 

 

 

总结

没有完美的模型，但有不断前行的人。正是这些持续探索的人们，推动了工具和模型的不断进步。

 

PaddleOCR-VL 的强势表现，让我更加确信中国 AI 技术的实力。希望未来有更多模型真正创造价值，而不是仅仅停留在无止境的指标竞争和内卷之中。

 

本期分享就到这里。如果你也想体验 PaddleOCR-VL 的公式识别能力，或者准备调用 API，不妨访问官网。

 

<原文链接：https://mp.weixin.qq.com/s/--kbqq5TXHBGTk7Q4GP_PQ