OCR Arena：首个 OCR 与 VLM 模型公开对战平台
OCR Arena 官方网站 是一款专注于 OCR（光学字符识别）与 VLM（视觉语言模型）模型公开评测与排名的对战平台，用户可上传任意文档图像，直观比较不同模型的识别准确率，并参与投票塑造公开排行榜。
产品概览
OCR Arena 旨在为开发者、研究者和技术决策者提供一个透明的模型能力评估环境。通过匿名对战机制，用户可上传 PDF、JPEG 或 PNG 格式的文档，系统会自动调用多个领先的 OCR 与 VLM 模型进行文本提取并排展示结果，用户可投票选择识别更准确的模型，从而积累数据生成动态的 ELO 排名。
核心功能与特性
模型对战与评测
- 匿名对比：上传文档后，系统随机分配两个模型进行识别结果对比，用户无需预先选择模型。
- 多格式支持：支持 PDF、JPEG、PNG 等常见文档与图像格式。
- 公共投票机制：用户投票直接贡献至全球排行榜，影响模型排名。
实时排行榜
平台基于 ELO 评分机制维护动态排名，关键指标包括：
- ELO 分数：反映模型相对实力（如最高分 Gemini 3 Preview 达 1767）。
- 胜率：模型在所有对战中的获胜比例（如 Gemini 3 Preview 为 85.9%）。
- 对战次数：模型参与评测的总次数（如 GPT-5.1 Medium 为 76 次）。
当前排名前列的模型包括：
- Gemini 3 Preview（ELO 1767，胜率 85.9%）
- GPT-5.1 Medium（ELO 1629，胜率 64.5%）
- Gemini 2.5 Pro（ELO 1582，胜率 63.6%）
- GPT-5 Low（ELO 1547，胜率 49.2%）
- GPT-5.1 Low（ELO 1540，胜率 54.8%）
开发者与社区集成
- 模型来源多样：涵盖谷歌 Gemini 系列、OpenAI GPT 系列、Hugging Face 开源模型（如 dots.ocr、Qwen3-VL-8B）等。
- 直接文档链接：每个模型条目均提供官方文档入口（如 Gemini API 文档）。
使用场景与上手路径
典型应用场景
- 模型选型评估：企业或开发者在部署 OCR 功能前，通过真实文档测试不同模型的准确性。
- 学术研究比对：研究者可验证新模型 against 现有主流模型的性能表现。
- 技术趋势追踪：通过排行榜了解行业领先的 OCR/VLM 技术动态。
快速开始
- 访问 OCR Arena 官方网站。
- 点击“Upload an image”或“Drop a file”上传本地文档（支持 PDF/JPEG/PNG）。
- 查看匿名模型识别结果，投票选择更准确的一方。
- 在“Current Rankings”栏目查看全局排名与模型详情。
隐私与数据安全
（官方未披露具体数据安全政策，建议用户参考平台条款与隐私声明。）
小结
OCR Arena 通过众包评测机制，为 OCR 与 VLM 领域提供了难得的透明化基准平台。开发者可借助其排行榜和数据辅助技术决策，或直接上传文档进行模型对比测试。对于关注文档识别技术前沿的用户，该平台是宝贵的实时参考资源。
了解更多或直接参与评测，请访问 OCR Arena 官方网站。
评论区